# OpenAI's super-app ambitie met GPT-5.5 + DeepSeek V4 voor een schijntje + Rick Lamers over AGI

An episode of [AI Report](https://invisiblenetwork.ai/podcast/1692318247), 30 Apr 2026, 1 h 56 min.

Audio: https://podcasts.beehiiv.com/3947764a-828d-4759-b488-b60e362c33fc/019d2587-e790-7b44-bb7a-6eebcaae225c/019ddf49-8d5b-7343-8adc-07aeddb21060/019de03a-347d-7303-9de0-823bdc9e43fe.mp3

OpenAI lanceert GPT-5.5, een model dat zelfstandig spreadsheets analyseert, presentaties bouwt en onderzoek doet zonder dat je elke stap hoeft voor te kauwen. Greg Brockman ziet het als de eerste stap naar een super-app: Codex, ChatGPT en de nieuwe Atlas-browser samengesmeed tot één digitale chefstaf die je hele werkdag kan overnemen. Geen dag na die lancering dropt het Chinese DeepSeek versie 4: vergelijkbare kwaliteit voor zeven keer minder geld, deels getraind op Huawei-chips, en gewoon open source. Tegelijk blokkeert Beijing de overname van AI-startup Manus door Meta op grond van nationale veiligheid. Het signaal is duidelijk: waardevolle AI-kennis verlaat China niet zomaar. En dan, te gast deze week is Rick Lamers, AI-researcher bij NVIDIA, die uitlegt waarom Jensen Huang nu zegt dat AGI er is, althans voor kenniswerk dat raakt aan software. Met invaller Jeroen Wollaars loopt Wietse met hem langs de domino's: schaken, Go, wiskunde, programmeren. De vraag is hoeveel er nog liggen tussen die laatst gevallen steen en je eigen bed. Meer AI Report? Ga naar aireport.nl

## Transcript

[0:00] Welkom bij AI Report. Dit is de Nederlandse podcast over kunstmatige intelligentie, waar doorgaans Wietse en Alexander uitzoeken welke invloed AI heeft op ons werk, ons leven en de samenleving.
[0:11] Met deze week: GPT 5.5 is nu een week uit en het is de slimste AI ooit gemeten. Maar als hij het antwoord niet weet, dan verzint hij in 86% van de gevallen gewoon zomaar iets.
[0:25] De slimste leerling van de klas is dus ook veruit de grootste bluffer. En inderdaad, ChatGPT mag niet meer over kabouters praten en over wasberen, trollen en goblins. Daar gaan we zo meer over uitleggen.
[0:38] Deep Seek is terug. Het Chinese lab levert bijna dezelfde kwaliteit als OpenAI en Anthropic voor een zevende van de prijs. Getraind op Chinese chips in plaats van Nvidia.
[0:48] En ongetwijfeld is dat een van de onderwerpen die we met Rick Lamers gaan bespreken. Vriend van de show en sinds kort AI researcher bij Nvidia. Dat en meer in AI Report. Veel plezier!
[1:01] \[muziek\] Jeroen, nog even voordat we verder gaan. Wat? Wat doe je hier eigenlijk? Wie ben jij en wat doe je hier? Ja. Jeroen Wollaars ben ik. Hallo.
[1:17] Presentator van Nieuwsuur. Kleine bemoeial misschien, maar Alexander is op vakantie en ik hoorde vorige week AI Report, want ik ben een vaste luisteraar en ik dacht: zullen we het gewoon een keer met z'n tweeën doen?
[1:30] Zit hij daar nou helemaal alleen? \[lacht\] Dat dacht ik. Ja, we kennen elkaar een beetje via Alexander. Ja. We spreken elkaar wel eens en ik dacht: ja, het lijkt me heel leuk. En het mocht.
[1:41] Ja, het lijkt mij ook heel leuk en volgens mij, nou ja, uh, volgens mij wordt alles in een single take opgenomen is mij beloofd, dus we gaan het \[lacht\]. We gaan het doen.
[1:48] Voor de luisteraars, het is echt wel, wij, wij lopen op een soort treinrails stiekem, dat hoor je misschien wel eens en dat is niet heel makkelijk. Dat heb je vorige week ook gehoord.
[1:55] Dat zijn stiekem tien takes van Wietse. Dat doet Jeroen veel beter, dus dat wordt, uh. En als dat niet zo is, dan zullen de luisteraars het nooit weten. Nooit weten \[lacht\] dankzij Sam. Thanks Sam.
[2:06] Oké, we gaan naar het nieuwsoverzicht. \[muziek\] OpenAI heeft dus GPT 5.5 uitgebracht.
[2:11] Het model kan zelfstandig je spreadsheets analyseren, presentaties bouwen en onderzoek doen zonder dat je elke stap hoeft voor te kauwen.
[2:19] Geef het een rommelige opdracht en het plant zelf, gebruikt hulpmiddelen, controleert zijn eigen werk en gaat door tot de klus af is. Bij OpenAI zelf gebruikt inmiddels 85% van de medewerkers dat model wekelijks.
[2:32] En dan heb ik het niet alleen over ontwikkelaars, maar ook teams van financiën, marketing en communicatie.
[2:38] Het financiële team bijvoorbeeld liet GPT 5.5 bijna 25.000 belastingformulieren verwerken en bespaarde daarmee twee weken werk.
[2:47] Nou, OpenAI medeoprichter Greg Brockman, die beschrijft het als een stap naar een nieuwe manier van werken met computers. En de ambitie is om ChatGPT, Codex en hun AI-browser Atlas samen te smeden tot één superapp.
[3:02] Een digitale chef-staf die je hele werkdag kan overnemen. Maar er is een adder onder het gras. Natuurlijk is die er. Op een onafhankelijke kennistest haalt GPT 5.5 de hoogste nauwkeurigheid ooit gemeten.
[3:16] Maar als het model het antwoord niet weet, dan verzint het in 86% van de gevallen gewoon zomaar iets. En ter vergelijking bij Claude Opus 4.7 is dat 36%.
[3:28] En nog vreemder de pro-versie, die dus langer nadenkt, die presteert op dit punt zelfs nog slechter.
[3:35] AI-onderzoeker Pieter Gostev, die ontdekte dat extra denktijd ertoe leidt dat het model de onzin beter rationaliseert in plaats van er vraagtekens bij te zetten.
[3:44] Nou, de les is dus helder: hoe slimmer het model, hoe overtuigender het kan bluffen. Voor presentaties en data samenvatten is dat, nou ja, zou je kunnen zeggen een grote stap vooruit.
[3:55] Maar voor alles waar feitelijke nauwkeurigheid cruciaal is, blijft kritisch meelezen onmisbaar. Nog geen dag na de lancering van GPT 5.5 dropt het Chinese AI-lab Deep Seek zijn langverwachte V4-model of V4-model.
[4:11] In elk geval versie vier van Deep Seek. Nou, de boodschap is: waarom zou je zeven keer zoveel betalen voor een marginaal verschil in kwaliteit? Want 4V Pro kost $ 3,48 per miljoen gegenereerde woorden.
[4:25] Anthropic en OpenAI rekenen voor vergelijkbaar werk respectievelijk 25 en $ 30. De eerste onafhankelijke tests bevestigen het beeld.
[4:34] Op een belangrijke programmeertest scoort het slechts 0,2 procentpunt onder Claude Opus 4.6. Dus een goed en interessant model, is open source en dat betekent dus dat iedereen het kan downloaden en kan aanpassen.
[4:48] Het is deels getraind op Chinese Huawei-chips in plaats van op de Nvidia-chips waar vrijwel de hele westerse AI-industrie van afhankelijk is. En analist Wei Sun?
[4:58] Die trekt een opvallende conclusie, want dit laat dus zien dat AI-systemen gebouwd kunnen worden zonder afhankelijkheid van Nvidia. Waarover zo meer. China heeft de overname van AI-startup Manus door Meta geblokkeerd.
[5:12] Dat is een deal van $ 2,5 miljard, die moest worden teruggedraaid op grond van nationale veiligheid. Manus was een van de eerste AI-agents die breed inzetbaar was voor gewone gebruikers.
[5:25] Het kon zelfstandig onderzoeksrapporten schrijven en presentaties maken. Nou, dat veroorzaakte vorig jaar een enorme hype en invite linkjes voor early access die werden online doorverkocht voor meer dan $ 1.000.
[5:37] Het bedrijf was oorspronkelijk opgericht in China, maar verhuisde naar Singapore. Nou, de oprichters, die zijn nu door de Chinese autoriteiten op het matje geroepen.
[5:46] Fysiek in China, mogen het land niet verlaten tijdens het onderzoek naar die overname. En het signaal vanuit Beijing is duidelijk: waardevolle AI-kennis mag China niet zomaar verlaten.
[5:58] En ondertussen heeft Beijing ook andere AI-bedrijven verboden om Amerikaans geld aan te nemen zonder toestemming van de overheid. En dan het vreemdste verhaal misschien wel van de week.
[6:08] In San Francisco runt een AI-agent genaamd Luna een winkel. Een hele fysieke winkel.
[6:15] De oprichters die tekenden een huurcontract, zetten $ 100.000 op een bankrekening, gaven Luna de creditcard en zeiden: maak winstLuna draait op Claude Sonnet 4.6.
[6:26] Het zocht aannemers, plaatste vacatures, voerde sollicitatiegesprekken, ze heeft zelfs een personeelshandboek. Maar de inventaris die dan de AI besloot te gaan verkopen in die winkel is op zijn zachtst gezegd bijzonder.
[6:40] Kaarsen, heel veel kaarsen en noem maar even wat: 1.000 wc-brilhoezen werden besteld voor het personeelstoilet. Oeps, foutje. Maar goed, die hebben ze vervolgens als merchandise te koop aangeboden.
[6:52] Niet voor weinig trouwens, want een mokje met het winkellogo kost $28. Een handjevol pistachenoten gaat voor $14 over de fysieke toonbank.
[7:02] Sinds de opening heeft de winkel trouwens $13.000 verlies gedraaid, maar Luna, Luna zelf vindt dat het allemaal prima gaat. OpenAI-modellen, die zijn nu ook beschikbaar voor Amazon.
[7:12] Even de context: Microsoft is OpenAI's grootste investeerder en had lange tijd het alleenrecht om OpenAI-modellen aan te bieden via zijn eigen cloudplatform Azure.
[7:23] Microsoft Copilot, de AI-assistent die in Word, Excel en Teams zit, die draait ook op OpenAI-modellen. Nou, die exclusiviteitsdeal is nu opgeheven.
[7:33] Microsoft houdt zijn belang van 27% in OpenAI, maar verliest het alleenrecht. Nou, binnen 24 uur lanceerde Amazon drie nieuwe OpenAI-diensten op zijn eigen cloudplatform. Voor bedrijven betekent dit meer keuzevrijheid.
[7:49] Je hoeft dus straks niet meer per se bij Microsoft te zitten om met OpenAI-modellen te werken. Ja, en dan nog even dit: OpenAI's code assistant Codex mag absoluut niet over kabouters praten.
[8:02] In de openbaar gemaakte instructies staat twee keer nadrukkelijk: praat nooit over kabouters, over gremlins, over wasberen, trollen, duiven of andere dieren of wezens. Nou, de reden?
[8:14] GPT-5.5 bleek het stopwoordje goblin obsessief in gesprekken te droppen, soms meerdere keren per dag. Gewoon de hele tijd als stopwoordje.
[8:23] Het heeft allemaal met de training te maken waarin ze net iets meer gewicht gaven aan, ja, deze kennelijk nerdy karaktertrek. Wietse, heb jij het vaak over goblins in je leven? Nee, maar het is blijkbaar wel nerd speak.
[8:35] Ik wist dat ook niet. Dat heeft waarschijnlijk weer met boardgames en dat soort dingen. Dungeons & Dragons, I guess. Magic. Die kant op. Klinkt logisch.
[8:42] Nou, het kwam dus in de training terecht, maar greep nogal om zich heen. En inmiddels is goblin mode een meme geworden onder gebruikers. Die vinden dat OpenAI dat wezentje juist met rust had moeten laten.
[8:52] En je kan hem terug laten komen. Vanmorgen lanceerden ze een CLI-commando om de gremlins terug te laten in de code, in de prompt voor wie er zin in heeft.
[9:04] \[muziek\] de vlag gaat altijd een beetje uit hier in deze podcast als er een nieuw model is. Uhm, vertel ons, want ik als toch betrekkelijke leek denk: ja, god, we gaan van 5.4 naar 5.5. Dat is een kleine iteratie.
[9:17] Is het een kleine iteratie of niet? Ja, die modelnummers, die zijn wel een beetje geniepig, want die versienummers, dus dan de major releases, zijn één, twee, drie, vier. We zijn dus nu op vijf.
[9:27] Uh, één en twee hebben we niet echt gekend en bij drie werd het ChatGPT. Bij 3.5 eigenlijk was ChatGPT en nu zitten we dan op 5.5.
[9:34] Daar staat nog GPT voor en niet bijvoorbeeld O, hè, want we hebben ook de reasoning models gehad. O-1, O-2, O-3, uh, O-2 trouwens niet, want dat mocht niet. O-3 en O-4.
[9:44] En op een gegeven moment werden die dan weer samengevoegd en nu heet het allemaal weer GPT. Is het eigenlijk niet meer helemaal de technologie, maar meer de brand.
[9:52] Matige brand trouwens, want \[gniffelt\] nog steeds weten heel veel mensen niet hoe ze GPT moeten uitspreken, want het is GPP, GTTPP. Heel ingewikkeld. En waar het precies voor staat.
[10:01] Uiteindelijk, uhm, is het nu zo dat we inmiddels praten over een soort systemen. Uh, wat bedoel ik daarmee te zeggen is dat er verschillende modellen met elkaar samenwerken.
[10:11] Dat er voor nog even gekeken wordt waar de vraag naartoe moet. Sporadisch. Dat we minimodelletjes hebben, grotere modellen, et cetera. Je zou het een modelfamilie kunnen noemen, de familie 5.5 uit de serie vijf.
[10:23] Het beetje ge-, ja, wat, wat ik al noemde geniepig is dat, uhm, zo'n model, dat, dat hele bakproces daarvan, dat bestaat uit allerlei stappen en een van de stappen is eigenlijk je base model.
[10:38] Uh, dus eigenlijk je starter zou je kunnen zeggen. En dat is, dat is een fundametaal, fundamenteel iets. En die base model, die is heel prijzig. Het is heel duur om die te maken. Miljarden geloof ik echt, hè, zei je?
[10:50] Ja, echt, echt, echt flink. En, uh, ja, het heeft ook te maken met welke data daarin gegaan is, hè, dus welke ingrediënten zijn in, in, in dit, in het fundament, uh, in de, in de taartbodem, uh, gekomen, zeg maar.
[11:02] En dan, het is echt de, het, het fundamentele deel wa-waaruit je allemaal deriv-derivaten kan maken, zeg maar, allemaal derivatives, uh, waaronder een model wat wij kunnen gebruiken uiteindelijk. Nu is het zo dat,
[11:15] uh, OpenAI heeft nog best wel lang doorgeteerd op een vrij oud base model.
[11:22] Dus, uh, wat wij zagen, uh, gebeuren bij GPT-5 was eigenlijk nog steeds gebaseerd op dezelfde base model als 4.0 bijvoorbeeld, terwijl het wel een major release was van vier naar vijf. Hmm.
[11:33] Hè, GPT-5 viel ook een beetje tegen deze zomer. Het was een, ja, 10% beter op allerlei zaken, maar niet de klapper, hè, die dan was verwacht van: nou, nu maken we een enorme sprong.
[11:46] Dit is, uh, 5.5 is, uh, naar mijn weten het eerste model waar gebruik wordt gemaakt van een nieuwe base model. Dus er wordt ook heel veel gediscussieerd: had het niet 6.0 moeten zijn?
[11:57] Maar dan heb je eigenlijk, uh, twee redenen voor versienummers.
[12:01] Je hebt het technische versienummer waarin je eigenlijk als nerd zegt: ja, major releases staan voor paradigmaverschuivingen, hè, uh, minor releases voor als we, uh, wel veel werk hebben gedaan, maar niet overdreven veel.
[12:13] En, uh, de derde punt is bugfixes en kleine feature requests of zo, hè. Dit, dit, dit is trouwens geen, uh, hier zijn geen wetten voor.
[12:21] Geen wet van Meden en Perzen, maar het is een beetje wat zij dan zouden kunnen gebruiken. Maar je merkt meteen dat dat dus niet altijd opgaat of soms ook lastig is of discutabel is, zoals in dit geval.
[12:29] Ja, want de aanname van mij isHad je hier. Ik denk dat ze hem technisch GPT6 hadden kunnen noemen voor wat ze allemaal hebben versleuteld aan de achterkant. Maar hadden wij meteen ook enorme verwachtingen.
[12:40] Marketing technisch niet. Nee, precies. Zeker na de toch wel een klein beetje dud die, uh, uh, GPT5 deze zomer was.
[12:47] Dus ik, uh, merkte bij, uh, de release van 5.5 dat ik de system card er weer bij heb gepakt, hè, dus dat is altijd, uh, ja, de bijgevoegde pdf waarin stukjes in staan van hoe die gemaakt is en ook hoe die presteert.
[13:00] En, uh, dat ik dacht: o grappig, ik, uh, tussen 5.0 en 5.5 is dit een grote stap. Een grote stap omdat er eigenlijk op de achtergrond meer veranderd is dan dat het versionummer, uh, doet denken.
[13:16] En dit merk je ook, want, ja, er zijn allerlei, uh, tests natuurlijk die worden gedaan.
[13:20] De ben-- de bekende benchmarks waarop sprongen worden gemaakt die niet helemaal passen bij zo'n kleine release, uh, bijvoorbeeld op softwareontwikkeling. Ik moet wel zeggen, het is ook een
[13:32] in die soort, uh, uh, paardenrace of, uh, uh, uh, ren-, uh, hardloopwedstrijd. Die kopgroep, hè, waar dan, uh, Google met z'n, uh, Gemini in zit, Anthropic met Claude en, uh, OpenAI met hun GPT-modellen.
[13:46] Dat het ook heel erg een soort one-upmanship is tussen die, uh, verschillende modellen en dat OpenAI het gelukt is nu, dat is misschien wel de allerkortste samenvatting, om, uh, gelijk te komen met, uh, Opus 4.7 van Anthropic en gelijk te komen met Gemini 3.1 op bepaalde punten waar iedereen achterliep en op bepaalde punten zelfs een beetje vooruit.
[14:06] En dat is dus een, ik zou zeggen voor het speelveld, uh, ja, schuift er, loopt er, e-, de hardloper met het OpenAI-shirt aan weer eventjes naar voren nu.
[14:14] Ja, en voor het zelfvertrouwen van OpenAI, want dat was natuurlijk ook, had een behoorlijke knauw gekregen, uh, door die kritiek die erop was. Maar, maar, maar dan even. Afgelopen week is het geïntroduceerd.
[14:26] Het is, uh, nou, wij nemen nu op donderdag op. Het is precies een week oud. Ja. We hebben het dus allemaal kunnen gebruiken als we een abonnement hebben.
[14:33] Althans, als ik het begrijp kiest de, de, de, de router die ervoor zit, die kiest of ie hem wel of niet gaat gebruiken. Of je moet een beetje opletten wat er gebeurt. Maar ja. Maar in principe.
[14:43] Maar ik moet zeggen, ik heb eigenlijk in mijn dagelijkse gebruik niks veranderd gezien.
[14:48] Nee, en ik denk ook dat, dit is wel, het is wel mooi dat je dit zegt, hoor, want, uhm, in dat opzicht is het niet iets revolutionairs, uh, wat hier gebeurt. In ieder geval niet op die brede kenniswerk taken.
[15:00] En dan kan je misschien afvragen: ja, oké, w-w-jij hebt het over een nieuw base model, Wytse. En, uh, weet je, er, er is wel. Een nieuwe taakbodem inderdaad. Ja, ik bedoel. Toch had ik toch wel moeten voelen. Ja, ja.
[15:09] Ja, kijk, ik denk dat we, uh, ook nog eens veel verloren zijn. Klinkt heel dramatisch, maar, uhm, 4.0 bijvoorbeeld, uh, kon, ve-veel mensen zijn nog steeds fan van 4.0. Zijn ook nog steeds boos dat het model weg is.
[15:25] Uh, 4.5, uh, wat helemaal een beetje een raar tussenbaksel was.
[15:28] Gewoon een heel groot model die veel te duur was voor OpenAI om te draaien, maar ze wilden toch laten zien dat ze vooraan liepen en die is ook maar kort online geweest. Had hele goede schrijfcapaciteiten.
[15:37] Mensen, hè, je, ja, je, mens gaat toch een beetje, ja, een beetje wat voelen bij die modellen. Je gaat je hechten. Je gaat je hechten.
[15:44] En ik denk dus dat, uh, hè, dus de, de schrijfkwaliteit van 4,5, de creativiteit van 4.0. Wat ik wel lees online. Mensen zeggen: hey, grappig, ik zie weer wat dingen terug.
[15:54] We, dus is dat toen, is het vooruitgang als je iets van je afge-- als je ijsje gestolen wordt en je krijgt hem een uurtje later weer in je hand?
[16:01] Ja, dus ik zou zeggen dat, uhm, 5.5 wel mooi consolideert wat er in de andere losse modellen sporadisch lukte, hè, dat het nu in de breedte begint te lukken in hun nieuwere model.
[16:14] En dat, en want daar ging het hier vooral om, uh, voor OpenAI is om mee te kunnen doen in die race rondom, uh, wat dan harnas heet, hè. Dus, uh, Claude Code, uh, uh, Codex heet het bij OpenAI.
[16:26] Om, uh, software te kunnen maken met AI, uh, en ander soort financieel kenniswerk en natuurkunde en wiskunde te kunnen doen. Uh, omdat dat is waar nu gewoon heel veel, uh, te halen is op dit moment.
[16:37] Dus je ziet ook, ik ga er dan van uit dat jij niet gewoon dagelijks met zware wiskundeproblemen bezig bent. Nou, bijna zelden. Dan heb je het niet echt gevoeld. Nee.
[16:44] Ze willen bij OpenAI hier ook een, een soort superapp van gaan maken. Een soort everything app. Ik moest meteen aan Elon Musk denken. Uhm, is dat een goed idee? En wat is eigenlijk het idee?
[16:56] Nou, wat je, wat je nu wel ziet gebeuren is dat, uh, bijvoorbeeld Claude Code werd op een gegeven moment Claude Cowork, omdat ze eigenlijk zagen dat, uh, Claude Code een tool, intern ontwikkeld bij Anthropic in dit geval, uh, die zeer waardevol bleek voor de ontwikkelaars binnen Anthropic om software te maken, werd gereleased, uh, naar de bredere, naar het bredere publiek onder de naam Claude Code.
[17:19] Toen konden wij het ook gaan gebruiken en toen was het van: maar mensen zijn allerlei dingen aan het doen in Claude Code, want zij hebben natuurlijk, uh, statistieken.
[17:28] Dat zijn helemaal geen codevraagstukken, dat zijn bonnetjes verzamelen voor je, voor je onderneming.
[17:34] Hé, is het eigenlijk niet zo dat die soort van, uh, plek waar je met je computer praat, die ook nog eens programmatjes kan bekijken en documenten erbij kan halen van jouw computer, wat Claude Code kan, niet veel krachtiger als we het in gaan zetten voor breder kenniswerk?
[17:50] Dus toen werd het een coworker, een soort copilot. En nu zie je eigenlijk dat bij OpenAI, want dat was je vraag,
[17:57] hun Codex, wat eigenlijk hun antwoord is op Claude Code, nu ook zonder nog een rebrand te hebben gehad, maar wie weet waar ze het naartoe gaan branden, steeds meer handen en voeten en ledematen en, uh, uh, uh, ja, sensoren krijgt zeg maar om de wereld te zien.
[18:14] Eigenlijk, uh, dit is ook een beetje wat je ziet bij ontwikkelaars die voor OpenAI werken, die Codex nu aan het pushen zijn naar: kan je niet straks gewoon, is Codex niet gewoon jouw computer straks? Mhm.
[18:25] Start jij niet gewoon op in Codex? Is dat niet nog de enige, hè, wat een beetje de webbrowser in het verleden is gaan doen?
[18:30] Dat iedereen alleen maar Windows start en Chrome, \[lacht\] Windows installeert, Chrome installeert, Chrome fullscreen, niks meer doen, hè, zeg maar alles in, uh. Computer klaar. Ja, computer zit in de browser.
[18:39] Is dat nu, zou niet eigenlijk, uh, een Codex-achtige app, uh, een soortUh precursor kunnen zijn, een, een, een prototype van hoe de wereld eruit gaat zien, van de computer van de toekomst.
[18:53] Daar zijn we natuurlijk eigenlijk al best wel naar onderweg. Ik denk dat heel veel mensen, uh, ChatGPT gewoon gebruiken. Je zei het net ook al als een soort Google. Ja.
[19:00] Dus, dus dat is je vertrekpunt om vragen te stellen over de dingen die je wilt weten. En dat ding neemt je mee op reis. Uh, OpenAI heeft een browser, uh, Atlas.
[19:10] Ik kreeg hem trouwens niet geïnstalleerd, want ik moet hem mijn default browser maken en als ik dat niet wil, dan stopt, dan is het gewoon, dan stopt het. Dan kan ik hem niet gebruiken. Agressief. Fuck you!
[19:20] Maar ik denk dat hun, uh, beweging om te denken: we moeten de browser pakken, zeg maar.
[19:26] Ik bedoel, het zijn allemaal experimenten ook, hè, om te kijken van: hoe krijgen we nou, uh, meer, g-, uh, gebruikers in ons ecosysteem? Uiteindelijk natuurlijk.
[19:35] En kijk, op het moment dat jij, uh, een reis naar Argentinië gaat plannen en je bent, uh, nerdy genoeg om te denken: ik ga dat gewoon met Codex doen. En je zegt dan tegen Codex: ik wil die reis naar Argentinië plannen.
[19:50] En Codex zegt: maar dan ga ik voor jou sowieso eerst eens even een website maken. Ik ga wat video's voor je maken, een presentatie voor je maken. Je denkt: o, o, o.
[19:58] Ja, en dan op, loopt het helemaal uit de hand en op een gegeven moment van ik zal, wacht, ik stop wel even in een soort informatiesysteem voor je.
[20:03] En uiteindelijk bouwt Codex daar on the fly eigenlijk in het moment jouw knowledge browser voor jouw reis naar Argentinië en zegt dan ook: ik kan het trouwens ook in PDF-vorm naar je mailen en als je wil, kan ik er ook een mobiele app, mobiele app van maken die je tijdens je reis kunt raadplegen op basis van je lokale, van je GPS.
[20:22] En is dan niet eigenlijk Codex in dat moment heel erg op maat jouw persoonlijke software aan het maken voor jouw reis naar Argentinië?
[20:30] En ik denk dat OpenAI op die manier, stel dat die software er binnen een minuut staat en nu moet je nog 10 minuten wachten. Heel lang. Ik was sceptisch, maar je neemt me nu wel mee.
[20:38] Nee, maar ik bedoel, ik denk, dus, d-dat zij, dat zij merken van, uhm, als we even helemaal uitzoomen en we stappen helemaal weg. Wat, f-,
[20:46] ik bedoel, het hele idee van een appstore of software installeren en naar een website gaan en zo, dat hoeft niet zo te zijn. Uiteindelijk, als je helemaal uitzoomt.
[20:56] Ik ga naar Argentinië en ik wil eigenlijk ondersteund worden en geïnspireerd worden, ik zeg het even allemaal heel positief, in mijn reis naar Argentinië.
[21:04] Beste magische machine die ik thuis heb staan, help mij magische machine. En die komt dan met allerlei artefactjes en dingetjes. Een mini podcast over Argentinië die al wat, uh. Helemaal op jou zijn toegespitst.
[21:17] En dat gaat wel gebeuren in een soort Codex omgeving, hè, dat, dat heet dan allang niet meer zo, dat gaat verdwijnen naar de achtergrond.
[21:23] Maar gewoon, ja, een computer waarmee je praat, die voor jou in het moment, in de vorm, interactief of passief, audio of beeld, klikken en niet klikken.
[21:34] En dan, dan blijkt ineens dat, uh, wij zitten nu met, met elkaar, dat, dat, dat snap ik ook, want ik heb het zelf niet anders.
[21:42] In een, uh, kijk, de, de metaforen van de, van de, uh, softwarewereld van nu, browsers, software, appstores, linkjes, downloaden, al die dingen. Zo, zo in de menselijke geschiedenis zit, is de verf nog nat, hè \[lacht\].
[21:58] Dit is hartstikke jong en ook absoluut niet, staat, staat helemaal niet vast. Het zijn geen wetten.
[22:04] Dus ik denk dat wat we nu gaan zien is dat als je een beetje, ja, kunt loslaten, misschien w-hebben we niet eens meer een computer straks, maar iets wat op een bepaalde manier ons ondersteunt met informatie op maat. Mhm.
[22:17] Wat ons kent en wat onze, onze vragen kent en, en, en weet wie wij zijn en iets kan aanbieden wat wij niet eens meer op de achtergrond meekrijgen als er wordt iets gebouwd, maar het is er gewoon en het is voor jou en het werkt zoals jij het wilt.
[22:31] Ja, maar breng die twee dingen nou eens samen. Dus deze ambitie van die everything app, die, die, die OpenAI dus nu wil gaan maken.
[22:38] Tenminste, dat heeft die, die, die Greg Brockman gezegd, die cofounder en, en dat nieuwe model wat hij als startpunt hiervan ziet. Kan dat met dat nieuwe model? Of is dat- O, ja, mooi.
[22:48] Is dat te, te, te, te vroeg om, om daar een uitspraak over te doen? Nou ja, kijk, op het moment dat je, uh, het trainen van modellen kost ongelooflijk veel geld en dat duurt ook best wel even.
[22:58] Uhm, dus je kunt, uh, dit is goed te vergelijken met, uh,
[23:04] Apples supply chain die het model, als de iPhone 17 in de Apple Store ligt, dag één, dan ligt het ontwerp van de 18 qua hoe die gesneden moet worden uit het aluminium al klaar. En dat is niet een conspiracy.
[23:21] Het zal wel moeten, want dat is hoe traag de daadwerkelijke zorgen dat je, ik bedoel, leuk als je één telefoon kan maken, maar maak er maar eens, uh, 10 miljoen op launch day, zeg maar.
[23:29] Dus dat betekent dat de hele productie pijplijn, hè, dit is, uh, uh, Tim Cooks, uh, uh, grote handtekening. Ja, zijn legacy.
[23:36] Ja, zijn legacy is dat hij het voor elkaar kreeg om te zorgen dat hij er dus ook, dat hij er lag op launch day.
[23:42] Maar voor ons als, met alle respect, eindgebruikers die niet zoveel weten, in ieder geval, ik weet niet zoveel over supply chain, was het wel een verrassing dat ik dacht: o, dus jij hebt eigenlijk al de handtekening gezet op de order voor de 18, waarbij je ook al de dimensies kent, hè.
[23:56] Daarom lekken vaak de hoesjes al eerder uit, want hij lag er al, uh, toen je de 17 stond te presenteren, hè.
[24:02] En ik denk dat, uh, voor een bedrijf als OpenAI en de andere grote AI-labs, die, ik moet wel zeggen, ik heb het idee dat ze, uh, kortere timelines hebben dan bijvoorbeeld een, uh, gevestigd bedrijf als Apple, uh, w-want ze moeten veel sneller kunnen bewegen in hun experimenten.
[24:21] Maar, uh, met een Jony Ive, uh, die bij OpenAI werkt, waar ze natuurlijk allerlei dingen aan het maken zijn, van armbandjes tot pennen tot brillen tot weet ik veel, allemaal manieren om weg te komen bij die computer en toe te komen naar iets waar je tegen praat en op dat moment voor jou je, op je dingen oplost.
[24:38] Even zo heel plat gezegd. Dan kan je natuurlijk al wel voorsorteren in je modeltraining die je wel vooruit moet plannen.
[24:44] Van: jongens, als Codex eigenlijk, wat begon als app voor programmeurs, een soort gereedschapskist voor programmeurs, gewoon een 0.1 blijkt van de everything app, moeten we dan niet gaan inzetten op modellen die bijvoorbeeld makkelijker software kunnen maken, grafisch mooiere dingen kunnen doen, beter kunnen omgaan met audio en video als input vanuit de bril straks.
[25:06] En dan ga je inderdaad zien, om antwoord te geven op jouw vraag, dat in die lijn der verwachting van de everything app je ook een soort van everything model nodig gaat hebben.
[25:16] En dan past dit GPT-55-momentje daar best goed in.Mooi samengebracht Ja, dat, uh, ik, ik, ik moet zeggen dat, uh, die, het is voor mij ook nog heel erg schakelen, omdat ik toch ook wel, ja, ik zit hier nu ook gewoon naar een laptop te kijken.
[25:35] Hè, een, een, een computer voor op je lap. \[lacht\] Het is allemaal zo.
[25:39] En, en daar zit ook gewoon weer een HDMI-poort op, uh, op inmiddels, want ook Apple gaf toe: het is toch wel lekker tijdens een presentatie in de boardroom \[lacht\] in plaats van die dongels.
[25:48] Dus we hebben ook een soort van, uhm, die werelden bestaan tegelijk. Een, een wereld waarin we t-toch nog, de zelfrijdende auto is nog steeds een auto, grotendeels. Laat ik het dan zo zeggen. Snap je wat ik bedoel?
[26:00] Maar dan met AI erin. En, en nu, Apple Intelligence is gewoon een MacBook met een beetje AI erin.
[26:06] En, maar wat OpenAI hier een beetje zit te hinten is wel een, een breuk, uh, met een eerder paradigma van hoe comp-, wat computers zijn. Ik denk dat we Rick nodig hebben om een klein beetje licht hierop te schijnen.
[26:16] Rick, kun je jezelf even voorstellen? Yes. Uh, Rick Lamers. Ik werk, uh, sinds een paar maanden bij NVIDIA en, uhm, heb in Delft Informatica gestudeerd.
[26:27] Al lange tijd bezig met deep learning en tegenwoordig wordt dat gewoon AI genoemd, omdat bijna alles wat onder AI valt tegenwoordig over deep learning gaat. En, uhm, ja, ik ken Wietse goed.
[26:38] Wietse is een vriend van mij en, uhm, we hebben het vaak over waar het allemaal heen gaat met AI. En, uhm, in mijn werk werk ik aan reinforcement learning, post training voor de ingewijden.
[26:48] Dat is een bepaalde techniek hoe je LLM's nog beter kunt maken in, uhm, bepaalde specifieke taken. En, uh, ik vind het heel interessant om te kijken waar het heen gaat, want het is best wel een bijzonder moment, denk ik.
[26:58] Uhm. Nou, laten we daar dan meteen instappen. Best wel bijzonder moment. We, uh, Wietse en ik hebben het gehad over GPT-5, die release. Tell me, waarom een interessant moment?
[27:08] Nou, ik werk dus voor NVIDIA en ik citeer even iets wat Jensen, uh, de CEO van, uh, NVIDIA zegt.
[27:13] Niet omdat hij mijn baas is, maar omdat ik denk dat hij daarmee, daarmee denk ik een frame creëert wat, uhm, wat best wel recht doet aan het moment waar we in zitten. En hij zegt: "We've reached AGI. AGI is here."
[27:26] En AGI is, zeg maar, onomstreden als concept. Artificial General Intelligence. Iedereen heeft een mening over hoe je het moet definiëren en iedereen definieert het anders.
[27:34] Alleen, ik denk dat wat hij bedoelt is dat we een bepaald type AGI hebben bereikt. En dat is bijna paradoxaal, want als het een bepaald type is, is het niet general.
[27:45] Maar ik denk dat hij het dan vooral heeft over, uh, AI in het gebruik van, uh, zeg maar kenniswerk. En dan specifiek al het kenniswerk dat, dat heels, heel makkelijk in aanraking komt met programmeren en software.
[27:59] En je ziet gewoon dat GPT-5.5, als je het combineert met het harnas wat OpenAI, uhm, heeft gemaakt, een harnas, ja, Codex CLI of Codex, de, de macOS-app.
[28:09] Dat is in principe gewoon, uh, de, de omgeving waarin dat model opereert.
[28:14] En dan krijgt het bepaalde mogelijkheden, zoals het, het interacteren met de computer via dat harnas, zeg maar, als een brug tussen het model en jouw computer of jouw computeromgeving of jouw server.
[28:25] En, uh, wat je dus ziet is het niveau van GPT-5.5 is dusdanig dat de meeste, uh, programmeurs die ik ken, die zijn nu in staat om, gegeven een goede specificatie van een softwareprobleem, uhm, kan je gewoon zeggen: ga het maar doen, en je komt gewoon de volgende ochtend terug.
[28:43] Dus je laat de hele nacht, uh, lekker prutselen, uhm, en het heeft het gewoon gedaan. En er zijn steeds minder programmeerdingen die je kunt verzinnen die het n-niet op die manier kan oplossen.
[28:55] En dan heb ik het niet alleen maar over webapps maken of, of andere. Je zou ook bijvoorbeeld kwantitatieve analyse van CBI-gegevens als zo'n dergelijke taak kunnen zien.
[29:06] Maar ik wil nu heel even namens de luisteraar ingrijpen, want nou heb ik net van Wietse gehoord dat de regressie in 5.5 heel groot is, dat hij een enorme kans heeft op hallucineren.
[29:16] Uh, volgens sommige onderzoekers, uh, verzint hij dat in 86% van de gevallen, waarbij, uh, Opus 5.4.7 dat in 39% van de gevallen doet. En dan hoor ik van jou: we hebben AGI bereikt.
[29:28] Dat zijn wel echt twee uitersten op het spectrum. W-hoe moet ik dit, hoe moet ik dit zien? Jongens, allebei, help ons. Ja, nee, goed, goed punt.
[29:36] En ik denk dat, uhm, uh, de vorm waarin deze modellen gebruikt worden, uh, begint af te wijken van de standaard chatbot, uh, die we kennen.
[29:48] En als jij dus, uh, gewoon blanco, uh, aan zo'n LLM vraagt: uh, geef mij hier een, uh, een antwoord over deze specifieke belastingwet en, uh, leg me uit hoe dat precies werkt, dan zul je misschien bepaalde hallucinaties merken, omdat het in die zin dan, uh, bouwt op de parametrische kennis, dus de kennis die dat model in zijn, in zijn, uh, gewichten, dus, dus het model zelf, heeft opgeslagen.
[30:12] Terwijl het model steeds beter in staat is om externe bronnen te raadplegen, real time, dus bijvoorbeeld nu wat op de huidige website staat van de Belastingdienst.
[30:22] En als het de mogelijkheid heeft om op die manier, uhm, de informatie eerst te verifiëren voordat het een antwoord mag geven, en dat kan alleen als het in zo'n harnas zit, dan is het heel goed.
[30:32] En heel veel van deze cijfers die je ziet, die hallucinatiecijfers, die gaan niet over als het model in staat is om eerst even 30 minuten alles zorgvuldig te lezen en checken.
[30:42] Dus het gaat meer om een, denk ik, een fout in de benchmarkingstrategie die deze cijfers geven.
[30:49] Maar als je echt kijkt naar het model in het harnas, dus in zijn volledige capaciteit en hoe goed het dan in staat is om, uh, bij de feiten te blijven, correcte antwoorden te formuleren, tot het goede antwoord te komen.
[31:01] Daar zie je dat ze beter dan ooit zijn. Denk je ook niet dat het in dat opzicht onverstandig is om die modellen nog naakt te benchmarken zonder harnas?
[31:11] Omdat ik, omdat ik merk dat ik daarin, hè, we hadden die struggles net ook samen al dat ik zei: ja, hoe is die getest dan? Zat dat, zat dat ding wat normaal merkt dat hij niet goed gaat er wel bij?
[31:20] En, uhm, i-ik bedoel, is er harnas benchmarking? Uh, hebben we meer harnas benchmarks inmiddels? Wordt dit gedaan?
[31:28] Bewegen we daar naartoe?Ja, dus ik denk dat, uh, benchmarking is oprecht een van de allermoeilijkste dingen om goed te doen en een van de makkelijkste dingen om ook slecht over te rapporteren.
[31:39] Omdat de details gewoon superbelangrijk zijn en soms niet eens heel duidelijk alle details waarmee iemand getest heeft duidelijk gespecificeerd worden.
[31:48] Zelfs als je gewoon echt terug naar de bron gaat van waar komt dit nieuws vandaan? En ik denk dat de,
[31:54] de mensen die het, het best in staat zijn om, om goed te benchmarken, uh, die, die zijn heel erg bewust van: wat is de, uh, gedachte geweest achter hoe dit model gebruikt gaat worden en is mijn testconfiguratie, mijn opstelling wel representatief?
[32:11] En die documenteren dat ook in, in heel veel detail en dan maakt het dus uit bijvoorbeeld, dit is een grappige. Er is een bekende guy, heet Simon Willison en die schrijft veel over wat er met LLM's gebeurt.
[32:25] En hij stelt laatst de vraag, uh: welke search index gebruikt Harness XYZ? Dus bijvoorbeeld als je Codex gebruikt of Cloud Code, zijn twee concurrenten. Welke zoekmachines draaien er achter?
[32:38] En dat is belangrijk, want dat bepaalt welke index die gebruikt, welke websites hij kan benaderen, uh, of het model kan benaderen.
[32:44] Dus je kunt bijna een, een, dat soort details zouden eigenlijk al, uh, meegenomen moeten worden in de rapportage over zo'n benchmark.
[32:52] Zoals het in, in, in goede wetenschap zou moeten gaan, hè, als het om reproduceren gaat en context. En misschien ook voor de luisteraar die dan denkt: search index. Het is niet zo dat OpenAI Google kan gebruiken.
[33:05] Ik bedoel wel indirect op een manier, maar op het moment dat jij in ChatGPT zit en hij moet gaan zoeken op het internet gebruikt hij niet Google, want daar heeft hij de rechten helemaal niet toe.
[33:13] Ze hebben zelf een Google na moeten bouwen, eigenlijk de index van Google, de, de, uh, de index, de inhoudsopgave van het internet moeten bouwen bij OpenAI om zelf Google na te kunnen spelen.
[33:25] En dat maakt dus wel een heel groot verschil. Ook bijvoorbeeld Gemini, die wel Google mag gebruiken, want het komt uit hetzelfde lab.
[33:31] Maar hoor ik hier nu ook dat uiteindelijk het model misschien minder belangrijk aan het worden is en, en de harnessing daaromheen eigenlijk het, het gesprek is waar we het over moeten hebben?
[33:41] Nou, ik denk dat het model, uh, niet minder belangrijk is, want het model bepaalt nog steeds, uh, hoe goed het de informatie die het kan verkrijgen, uh, verwerkt in een antwoord en ook wanneer het model beslist om niet langer opnieuw op zoek te gaan naar extra informatie en wanneer kritisch te zijn op informatie, omdat ie ziet dat, uh, de index het van een website heeft laten komen.
[34:05] En die website, die staat bekend om slechte rapportage en daar houdt hij rekening mee, waardoor hij nog even een extra zoekopdracht uitvoert.
[34:11] Dus het is denk ik nog steeds heel belangrijk dat een model, uh, in dat nieuwe paradigma, zeg maar, wat, wat sterker leunt op het harness, heel goed in staat is om daar op de juiste manier mee om te gaan.
[34:23] Uhm, dus het model is niet minder belangrijk, maar het harness is zeker belangrijker geworden. En in een tijd waarin we dus uiteindelijk, zegt Jensen dan, AGI bereikt hebben.
[34:33] Wat een enorme verstrekkende uitspraak eigenlijk is. Ik had hier op deze redactie eigenlijk wel champagne verwacht op het moment dat dat zou gebeuren. Slingers, uh, danseressen, the works.
[34:44] Op zijn minst een moment om, om er even bij stil te staan dat er, dat er wel een soort phase change is, hè, van een soort water naar ijs in, in de wereld van AI. Uhm, maar ik hoor je ook zeggen, Rick, dat,
[34:56] je, je doet eigenlijk al je eigen, uh, kritiek geven op, dat je zegt: het is een gespecialiseerde AGI wat nou net het woord general eigenlijk tegenstaat.
[35:04] Maar i-ik, ik hoor je eigenlijk zeggen, en, uh, spreek me alsjeblieft tegen als dat niet klopt, dat een, uh,
[35:13] general software developer eigenlijk die, die, die software kan maken om problemen op te lossen en dat op eigen houtje de hele nacht kan doen in een soort nightshift terwijl jij ligt te slapen.
[35:23] Dat je daarmee eigenlijk, uhm, als je dat verder zou uitbouwen en, en breder inzet in de kenniseconomie, hebben we eigenlijk AGI, omdat we na-nagenoeg het recept hebben gevonden. Zou je het zo kunnen zeggen?
[35:38] Dus, dus dat, dat als we dit nu goed harnassen en, en, en slimmer met het harnas omgaan en de modellen worden nog wat beter misschien, dat we er soort van zijn. Hoe, hoe schat jij zijn uitspraak in?
[35:49] Nou ja, ik denk dat je, heel veel taken kun je, uh, zo veranderen zodat ze softwareproblemen worden.
[35:57] Dus als je bijvoorbeeld een, uh, organisatie, een logistieke organisatie moet leiden en je wilt zorgen dat, uh, alle mensen op het juiste moment op de juiste plek staan en als er iets wijzigt in het schema dat dat ook allemaal goed doorgevoerd wordt.
[36:09] Ja, zo, zo'n operatie kun je natuurlijk vanuit spreadsheets runnen met mensen aan de telefoon die even contact zoeken met elkaar en even wat dingen overleggen en dan weten wie ze wel of niet moeten bellen en hoe ze het nieuws moeten brengen bij de verschillende personen, et cetera.
[36:23] Maar je kunt ook zeggen van: nou, dat hele proces hoe we het gedaan hebben, dat gaan we zo aanpassen dat het eigenlijk gereduceerd is tot een softwareprobleem.
[36:32] Dan zijn het systemen die met elkaar kunnen communiceren, met bepaalde displays. Die mensen waar ze toegang tot hebben, tot appjes die geïnstalleerd staan op telefoons.
[36:38] Dus als je het proces opnieuw inricht en je maakt het als het ware heel softwaregericht, dan zit je dus weer in die soort van fast lane waar die AI-modellen gigantisch goed autonoom kunnen werken, heel betrouwbaar zijn, weinig fouten maken, et cetera.
[36:53] En dat is denk ik de, de, de specifieke vorm van AGI waar, waar op wordt gedoeld. Ja, en dan eigenlijk, uhm, misschien zijn daar de voorbeelden van, de AGI-labs zelf,
[37:06] die hun eigen organisatie, omdat ze nou eenmaal zijn gaan bouwen aan deze modellen, aan deze harnessing, zelf niet hebben hoeven ombouwen, want ze bestaan pas net.
[37:16] Dus eigenlijk een soort AI native companies of organizations zijn geworden. En dat zij misschien nu zelf, hè, ik wil maar gewoon even een anekdote.
[37:24] Codex, waar we het heel de tijd over hebben, is ook een stuk software gemaakt door Codex, want zo gaat het dan, hè, zo'n soort rare loop die daar al zit.
[37:31] Waar ik als eindgebruiker van Codex, want ik test alle harnassen graag, iedere24 uur een update krijgt tegenwoordig. Ik, v, eh, wat software updates komen als water uit de kraan, zeg maar.
[37:42] En die soort van, uhm, b-bizar snelle sh-shipping van nieuwe features, bugfixes en stabiliteit updates aan Codex laten eigenlijk zien dat OpenAI zelf al zo'n soort fast lane-achtige agentic organisatie geworden is. 100%.
[38:01] De, de AI-labs weten, het zijn ten eerste bedrijven die de allerslimste mensen die ze kunnen vinden, of ze nou bij quant hedgefunds worden weggejat of bij universiteiten of, of andere big tech posities.
[38:14] Die, die, die, die zoeken de allerslimste mensen. En op dit moment is AI nog steeds een tool, dus het is gewoon aan mensen om die tool op zo'n manier in te zetten dat het productief nuttig werk voor ze uitvoert.
[38:27] En omdat de, de prijs zo groot is. Ze willen graag, uh, nog betere AI uitvinden, uh, betere AI ontwikkelen in Amerika dan in China et cetera.
[38:38] Er is zoveel concurrentie dat, die mensen zijn extreem gemotiveerd om elke laatste druppel die ze kunnen halen uit deze technologie om die te activeren op hun missie, op hun doel.
[38:51] Maar dan komt meteen een soort wereldbeeld bij mij naar boven waarvan ik denk: dat is leuk, dat dat werkt voor de labs. Maar werkt dat ook in de, in de, de wereld daarbuiten?
[39:01] Ik bedoel, jij zegt taken worden softwareproblemen. Dan ga je dus eigenlijk de wereld inrichten als software. Zo'n lab kan dat, want die, die zijn daarmee begonnen.
[39:09] Maar kan een, nou, ik noem maar even wat, kan een uitgever dat? Kan, uh, het, het bedrijf hieronder wat boten verhuurt, kan dat? Kan een publieke omroep dat?
[39:17] Hoe, hoe, hoe ga je dan de rest van de wereld als software inrichten? Nou ja, ik denk dat daar, uh, grotere uitdagingen liggen.
[39:25] En dat is zoals bijna altijd met technologiediffusie een change management probleem of iets dergelijks.
[39:31] En ik denk dat voor de, de markten waar, uh, de, het gat tussen het op een oude manier doen en de nieuwe manier doen heel groot is in, in termen van hoe goed je dan in staat bent om waarde te leveren en je diensten te leveren.
[39:44] Dat daar de druk van nieuwe startupbedrijven, concurrentie, zeg maar, groot zal zijn.
[39:50] Dan zal er iemand identificeren van: hé, die, die sector past niet aan, maar het kan veel slimmer, dus wij gaan gewoon iets nieuws starten ernaast en die gaan veel sneller.
[39:58] En er zullen sectoren zijn waar die voordelen ook wel aanwezig zijn.
[40:02] Misschien, uh, in bepaalde zorgsectoren dat je dingen toch slimmer kan doen, maar waar, waar dat gat niet per se zo extreem groot is omdat bepaalde dingen bijna een soort van onreduceerbaar menselijk zijn of iets dergelijks.
[40:13] En die zullen misschien minder van dat soort druk, uh, ervaren, maar ik denk dat het wel een algemeen, een soort wake-upcall zou moeten zijn dat als je serieus neemt dat je efficiënt en effectief wil werken als organisatie.
[40:27] Of je nou in een traditionele sector zit of, of in een hele, uh, progressieve, snel bewegende sector, dan denk ik dat je, ja, toch moet kijken naar wat kan je hiervan gebruiken en welke lessen kan je toepassen.
[40:39] Want, de, dus, er valt heel veel te kopiëren aan slimme, uh, praktijken. Standaard manieren van dingen organiseren die, ja, waarschijnlijk gewoon nu niet gedaan worden.
[40:51] Kun je dus twee noemen waarvan je zegt dat, daar zou ik als buitenstaander, uh, uh, ik als buitenstaander meteen naar, naar moeten kijken.
[40:59] Ik denk dat in de basis, uhm, moet je eerst zorgen dat alle informatie, uh, naar dit soort AI-agents, hè, want daar hebben we het eigenlijk over. Je kan zeggen harness plus model, dat is eigenlijk een AI-agent.
[41:13] En dus je hebt de Codex Agent en je hebt de Cloud Code Agent, maar, t, in principe zijn het allemaal agents en, uh, het, het belangrijkste is dat ze sensoren en actuatoren hebben.
[41:21] Dus ze kunnen dingen waarnemen en ze kunnen acties ondernemen. En vooral met acties ondernemen moet je echt wel voorzichtig zijn, want ze kunnen ook je hele productiedatabase wissen. Ja, van de week nog gebeurd.
[41:30] Ja, dus je moet ze ook vaak in een soort bubble wrap neerzetten zodat ze acties kunnen ondernemen, zodat ze productief kunnen zijn, maar dat dingen terug te draaien zijn en onged-ongedaan kunn-, gemaakt kunnen worden.
[41:42] En dan kan je ze ook meer autonomie geven. Dus dat, dat is een beetje het spel.
[41:45] En dus die twee dingen zou ik dus proberen, uhm, om daar te starten is: hoe zorg je ervoor dat alle informatie die zo'n agent nodig zou hebben om überhaupt geïnformeerd te zijn als je iets van wil, werk wil delegeren, dat is dat sensoren verhaal.
[42:00] Dus hoe zorg je dat het toegang krijgt tot de informatie in de systemen? En als die informatie nog helemaal niet in het systeem staat, moet je eerst die stap maken.
[42:07] En anderzijds, hoe kun je dan dingen die de agents zouden kunnen voorstellen aan acties, uh, kunnen laten uitvoeren?
[42:15] En dan in, in eerste instantie dingen die over het algemeen, uh, geen kwaad kunnen als ze het verkeerd doen. Dus alle organisaties, uh, API's, MCP-servers.
[42:26] Zorg ervoor dat je kan praten, dat de modellen met jou kunnen praten en dat jij kan terugpraten.
[42:30] Ja, ik ben tegenwoordig minder MCP-server built, maar meer CLI, Command Line Interface built, omdat MCP is soms een beetje een complex protocol geworden. Ja, een beetje overcomplex.
[42:40] Een beetje technische detail, maar ik, ik zou zeggen dat, de, de, een agent heeft in mijn, oop-optiek eigenlijk altijd, en dat is onderdeel van dat harnas verhaal, een computer.
[42:49] Dus een agent is niet alleen maar een model, het is een model plus een computer en dat kan een computer zijn in een datacenter, kan een cloud computer zijn, maar je hebt eigenlijk niet meer zoiets als een agent die geen toegang heeft tot een computersysteem.
[43:00] En dat betekent dat het zelf op het internet actief kan zijn. Dat betekent dat het bestandssystemen heeft en dat het bestanden kan openen, converteren, video's verkleinen, video's door e-mailen, al dat soort zaken.
[43:10] En in die context is een Command Line Util, een Command Line Interface, een CLI, vaak een goede manier als technisch, technisch protocol om die agents toegang te geven tot het systeem.
[43:20] En, en als we dan nog even terugpakken, want ik merkte toen jij binnenkwam net toen, uhm, en we startten het gesprek met elkaar, dat je eigenlijk zelf al helemaal begon over AGI en, en, uhm, Nvidia.
[43:32] Vind je het belangrijk? Heb je het idee dat mensen niet, dat het niet goed doordringt, zeg maar? Ik leg even wat woorden in je mond hoor, maar er zit een soort urgentie als ik je zie praten.
[43:40] Ja, en dat, dat voel ik ook heel erg, want ik, ik ben een beetjeZeg maar ik, ik werk fully remote, dus ik, ik werk vanuit Amsterdam, gewoon vanuit mijn thuiskantoor.
[43:49] En dan ga ik een paar keer per jaar naar Amerika en ik, ik kijk ook bijvoorbeeld, ik heb vanochtend een recent interview van een paar uur oud, van, van, van, van, van twintig uur oud bekeken van Andre Capati waar hij weer wordt uitgestald door Sequoia, zo'n, zo'n venture capital partij.
[44:06] En dan zie ik de energie in die, in die, in die ruimte, in dat publiek, uh, de intensiteit waarmee er wordt gesproken over de ontwikkelingen en de doorbraken.
[44:15] En dan loop ik mijn deur uit in Amsterdam en dan zie ik iedereen gewoon een beetje zo op zijn gangetje gaan, fietsen, stappen en dingetjes doen. En dan heb ik soms wel zoiets van: wake up! Wake up. Heb je geen idee?
[44:27] En ik snap het ook wel. Ik zit in een bubbel en voor mij is het allemaal heel belangrijk. En ik ben heel technisch en ik vind het allemaal superinteressant, dus ik, ik heb ook 100% een soort availability bias of zo.
[44:39] Dat belangrijke is waarschijnlijk, het is waarschijnlijk minder belangrijk dan ik het voel, maar ik heb wel het idee dat het niet de aandacht krijgt die het verdient vanuit het perspectief dat een, een heel, een heel groot deel volgens mij van de westerse economie is gebaseerd op kenniswerk en de diensten die geleverd worden in de context van dat kenniswerk vormt voor een groot deel, zeg maar, het bruto nationaal product en, en hoe iedereen, zeg maar, economisch zelfstandig is.
[45:06] En economische zelfstandigheid geeft ook de basis voor democratie en al die fundamentele zaken, die liggen volgens mij nu best wel op een soort, ja, die, die, die, daar wacht gewoon een soort disruptie.
[45:18] Best wel, best wel heftig. En toch zou, denk ik dan dat het breder aandacht zou krijgen. Ik had een, uh, goede vriend van mij vroeg ik dit weekend, uh: is er een demo die ik jou kan geven?
[45:30] Is er een benchmark die jij gelooft? Is er een robot die jij moet viool zien spelen? Wat wil je zien? Wat is het voor jou waardoor jij een soort van in diezelfde urgentie als ik terechtkom, hè?
[45:42] We hebben, uh, en, en toen zei hij, dat vond ik wel mooi: ik wil de fundamenten van de samenleving zien schuiven. Niet dat hij dat wil, dat dat gebeurt, maar dan zie ik iets.
[45:55] Hij zegt: want jij hebt het heel de tijd over uitvindingen en dingen die je in lab ziet en dingen die je meemaakt in je eigen werkveld.
[46:01] En dan doet hij zo een beetje cynisch en dat generaliseert dan naar al het kenniswerk. Ik, ik zit er precies zo in als jij op dat gebied.
[46:07] Uh, en dan zegt hij: ja, ik, ik, ik zie het gewoon niet in cijfers van werkloosheid. Ik zie het gewoon niet in aannemen van mensen. Ja, er worden wat minder junioren aangenomen, et cetera.
[46:16] Nou, ik merk dan dat ik, dat, ik heb sowieso moeite met, met deze strategie omdat ik denk: het is heel reactief, hè. Dus als we, als er scheuren in de muur komen, dan gaan we eens naar het fundament kijken.
[46:27] Dat ik denk: \[gniffelt\] nou, ik weet niet, misschien goed idee. Om daar nu al over na te denken. Vind ik wel. Vind ik wel. Maar neem mij dan eens mee, Rick, in, uhm, zeg maar, hoe zie jij het een beetje uitspelen dan?
[46:37] Hè, dus het is een stukje fantasie, maar ik doe het zelf ook. Ben benieuwd hoe jij daarin staat. Wanneer gaan we het wel zien, die scheuren? En hoe zien die er dan uit?
[46:45] Nou, ik vind dan toch, uh, Claude Mythos een goed voorbeeld om aan te halen. Omdat, er zijn denk ik twee voorbeelden die naar mij, voor mij naar voren komen, dus. En enerzijds, ik begin eerst met Terence Tao, dus.
[46:57] Terence Tao is een wiskundige, een, een, een child prodigy, uh, en, en nu ook best wel actief, uhm, publiekelijk aan het, aan het, aan het schrijven, aan het, uh, commentariëren over hoe AI het veld van de wiskunde verandert.
[47:14] Omdat eigenlijk al sinds een jaar of zo duidelijk is dat alle verifieerbare domeinen, dat AI daar ontzettend hard gaat.
[47:21] En, uhm, er zijn dus wiskundigen die heel kritisch zijn, denk ik, dagelang, van: nou, AI kan misschien een aantal, uh, proofs bedenken, waar het eigenlijk een combinatie was van: zoek gewoon de plek waar min of meer dat proof al ergens gepubliceerd was, maar nog niet gekoppeld was aan het probleem.
[47:38] En misschien dat het zo erg op elkaar leek dat er een hele kleine interpolatie is tussen een, een bestaand, uh, ander proof connecten aan een open wiskundig probleem en op die manier een doorbraak te realiseren wat nauwelijks een doorbraak is in de ogen van die wiskundigen.
[47:52] En precies hoe jij net formuleerde, uh: wat is nou iets voor jou wat je zou kunnen stellen als, als dit gebeurt, als, als je dit kan, dan pas, uh, heb je mijn aandacht.
[48:04] En hij gaf dus aan dat een, een aantal van zijn collega-wiskundigen, die dus professoren zijn aan goede universiteiten zoals Princeton, Harvard, whatever, dat die, allemaal hebben ze bepaalde wiskundige problemen waar ze heel erg geobsedeerd mee zijn.
[48:19] Die werken ze al vier jaar aan, breken ze hun hoofd al maanden 's nachts over en dat laat ze gewoon niet los.
[48:24] Omdat, ja, iedereen heeft zo zijn voorkeur binnen, binnen hun vakgebied en binnen wiskunde lijkt dat nog iets meer soort van te clusteren om, iemand is echt de, de, de X-persoon. Oh, die houdt van de polynomaals en, bla.
[48:36] En je zag dus gewoon dat er een punt is bereikt met bijvoorbeeld GPT-5.5 Pro dat er bepaalde wiskundige bewijzen zijn geproduceerd door AI, die daarna vrij eenvoudig te controleren zijn door wiskundigen die expert zijn op dat gebied, waar die doorbraak dus wel, uhm, echt een probleem was waar ze iets om gaven en waar ze ook in het antwoord zagen: ja, dit is niet gewoon een kleine aanpassing van iets wat hij ergens gevonden heeft, het is gewoon echt bedacht.
[49:04] First principles. Soort van vanuit de wiskundige kennis die zo'n model dan, waar, waar het model over beschikt. En ik denk dat die mensen een soort wake-up hebben gevoeld.
[49:14] En je kun, daar kan natuurlijk de rest van de maatschappij zeggen: ja, maar ik ben geen wiskundige, dus dat, dat geldt niet voor mij. Dat is exact wat ik net wilde gaan zeggen.
[49:20] Dit is allemaal heel erg, uh, uh, wat mij betreft huiskamergeleerden. Of dan, uh, uh, professoren op Stanford geleerden. Wat maakt het mij uit? Klopt, dus dan gaan we nu één stapje terug.
[49:29] Eén stapje dichter naar de, naar de echte maatschappij. En dat is het Claude Mythos voorbeeld. Dus voor de mensen die dat nog niet hebben meegekregen.
[49:37] Claude Mythos is een nieuw model dat Anthropic heeft ontwikkeld, uh, een van de meest succesvolle Amerikaanse labs.
[49:42] Anthropic maakt Claude, Claude Code.En Mythos is dus in staat cybersecurity niveaus van cap, uh, capability, dus heel goed zijn in security problemen identificeren, uhm, dat, dat hele competente menselijke hackers evenaart.
[49:57] Maar je kan natuurlijk zo'n systeem, uh, duizend, uh, instanties tegelijk laten zoeken, dus op een schaal die veel groter is.
[50:04] En, dus het is wel in het software domein, maar het is wel van het niveau dat, uh, d-, het gebruik van, van die capaciteit van dat soort modellen, eh, raakt aan een soort van soevereine vei-, soevereine veiligheid en, uh, creëert ook heel erg een soort bargaining chip, uh, onderhandelingspositie.
[50:23] Als je wel zo'n model hebt, dan heb je een binair andere positie, zeg maar, dan als je niet over zo'n model beschikt.
[50:29] En dan zie je in één keer dat, uh, de AI capaciteiten op, uh, geopolitiek niveau, zeg maar, bijna een, een instrument aan het worden zijn.
[50:39] En, en je kan denk ik als burger niet doen alsof een heel belangrijke nieuwe chip in de geopolitieke balans, uhm, jou niet beïnvloedt, want dat heeft gewoon invloed op de handelsrelaties tussen naties.
[50:53] En misschien als ik, want, uh, ik, ik ga je even helpen met de metafoor. Ik hoop dat, dat ie, dat ie wat doet, is, als we nou een domino nemen, hè, een gewoon dom rijtje domino's.
[51:03] Aan het einde van het rijtje zit de voordeur van je huis. Ja, als je het even dicht bij huis wil hebben. Dus die ver van je bed is je bed. Ja, en de eerste domino is schaken. Ja, Kasparov. Tik.
[51:14] En dan de tweede domino, Go, tik. Volgende domino, complexe wiskunde, tik, die is nu gevallen. Volgende domino, softwareontwikkeling in de breedste zin, namelijk logica problemen oplossen en, uh, interfaces maken.
[51:27] Die hangt. December zou je kunnen zeggen. Hij is gevallen, misschien wel vorige week. Ik zou zeggen hij is gevallen. Oké, Rick zegt: hij is gevallen. Daar, hoeveel domino's zitten er nog tussen dat en mijn bed \[lacht\].
[51:41] En hoe snel denk jij dat de rest, want ik weet niet wat de volgorde van domino's is. Jij zegt nu eigenlijk:
[51:47] de domino, uh, rondom cybersecurity is een domino die eigenlijk al een, uh, butterfly effect in een wa-, in een vijver doet, hè, zo'n ring effect richting geopolitiek.
[51:58] En uiteindelijk is geopolitiek, politiek alsnog jouw bed, hè. Dus indirect zeg jij al via een soort kettingverband staan ze al bij je bed. Maar er zitten natuurlijk gewoon domino's tussen.
[52:09] Totdat jij je ontslagbrief krijgt. Of de, het verzoek of je alsjeblieft een stoomcursus AI wil gaan doen. Ik maak hem even positiever, hè, dus. Maar in jouw gevoel, zeg maar, hoeveel domino's zijn het grof gezegd?
[52:20] En wanneer denk jij dat het wel echt wat dichterbij gaat komen voor mensen? Want het is best wel een moeilijke voor heel veel luisteraars om te denken: ja, Erdos problemen in de wiskunde, het zal allemaal wel. Snap ik.
[52:31] Kijk, de, er zijn, er zijn best wel goede studies die gedaan worden naar dit, dit, dit, dit vraagstuk in het algemeen.
[52:40] Van welke, uh, delen van de economie, delen van de maatschappij, hoe worden die beïnvloed door AI en welke, uh, hoe gaat het zich door de maatschappij verplaatsen? Min of meer van hoe ziet die dominoreeks eruit?
[52:54] En er zijn gewoon, uhm, veel delen van, van de maatschappij en de economie die heel fysiek zijn, uh, inherent, uh, gebonden aan, uh, de fysieke wereld. Bootverhuur. Bootverhuur,
[53:08] internationaal logistiek transport, uh, oil en gas. Allerlei vormen van, uh, de economie die niet zomaar gedigitaliseerd kunnen worden überhaupt. En ik denk dat die, daar zal het, het laatst of later penetreren.
[53:26] Maar ik denk dat het, die sectoren hebben ook steeds meer een digitale laag en daar zal het dan wel in terugkomen. Dus ik probeer ook niet te zeggen dat, uh, straks alles AI is en dat alles AI wordt.
[53:38] Alleen ik denk dat, uhm, de digitale laag, zeg maar software is eating the world, is altijd zo'n ding geweest. En je ziet ook hoeveel uur spendeert de gemiddelde burger, uh, op, uh, een digitaal apparaat.
[53:53] Als je dat als een grafiek, uh, laat zien, dat, dat ding gaat, als je, zeg maar, begint in 1900, dat ding gaat dan omhoog. Totale logistiek.
[54:00] Ja, en, en dat deel van iedereens realiteit, dat deel is compleet onderhe-, onderhevig aan alle drukken en, en capaciteiten van AI.
[54:10] Maar als jij dan dus naar buiten stapt na zo'n meeting met Nvidia en je, en je ziet die mensen lekker in het zonnetje zitten, lekker in, uh, i-in Amsterdam rondlopen en jij denkt: wake the fuck up, wat moeten die mensen dan denken?
[54:22] Wat, wat moeten ze doen? Wat moeten ze weten om klaar te zijn voor die tijd? Ik denk dat het voor de meeste mensen gewoon, uhm, heel nuttig kan zijn voor hun eigen,
[54:34] uhm, onafhankelijkheid en hun ei-, de, de kracht van hun eigen positie als ze zich, uh, snel proberen te onderwijzen van: hoe kan ik dit op een positieve manier inzetten?
[54:46] En dat, kijk, niet iedereen heeft een soort, uh, productiviteits, uh, obsessie en wil alleen maar sneller, meer, groter, whatever.
[54:54] Maar er zijn wel veel mensen die bijvoorbeeld, uh, bepaalde goede doelen willen ondersteunen of, of, uh, iets meer van dit willen in de wereld. En, en je kunt, AI is een neutrale technologie.
[55:04] Die kun je inzetten voor whatever je een waardig doel acht.
[55:09] En als je dus, uhm, meer bewustzijn wil creëren over, uh, de ontbossing in de wereld, dan ben je in staat om dat veel sneller te doen dan, uh, als je niets van die tools gebruikt.
[55:20] Je kunt dat ook proberen te doen zonder bijvoorbeeld social media in te zetten, maar dan is het veel lastiger om effectief te zijn.
[55:26] En ik moet ook zeggen ik pro-, ik probeer, predik echt niet dat mensen niet naar AI grijpen om hun werk te doen.
[55:32] Want ik, ik, uh, ik heb het idee dat als je nu naar een universiteit of wat dan ook, iedereen gebruikt ChatGPT, iedereen gebruikt, uh, uh, een vorm van AI.
[55:42] Ik denk alleen, wa-waar mensen nog kunnen winnen is als ze niet alleen maar zoeken naar een chatbot waar je een vraag en antwoordKan stellen, maar naar die nieuwe vorm, die agentic AI die nu populair is en, en dat gaan proberen te spelen van wat kan je daarmee?
[55:58] Ja, 100%. Ik, ik ben journalist, ik werk bij, bij, uh, mainstream media, televisie en ik ben er zelf mee gaan spelen afgelopen periode om gewoon te coden voor m'n werk. Dus dingen te bouwen die ik nodig heb in mijn werk.
[56:11] Ik heb m'n, ik laat m'n interviews nu analyseren, transcriberen en analyseren in een tooltje wat ik zelf gebouwd heb, zodat ik een betere interviewer word. Fucking leerzaam. Fucking confronterend ook.
[56:21] Maar het is heel leuk en ook tegelijkertijd behoorlijk eng om te merken dat in zo'n organisatie als, uh, nou ja, Nieuwsuur in mijn geval waar ik werk, dat ik denk ik de enige ben die dit doet.
[56:33] Er zijn weinig mensen die bezig zijn met uitzoeken wat kan er en hoe werkt het, omdat de drempel toch ook nog best wel hoog is.
[56:39] Ik bedoel ik, ik zei net ik, ik, ik zat op Turbo Pascal te rommelen toen ik acht was en appjes of appjes, uh, programmatjes te maken die op.exe eindigde.
[56:47] En ik begreep niet wat ik deed en ik begrijp het eigenlijk nog steeds niet, maar ik ben er wel altijd mee bezig geweest, waardoor die drempel wat lager is.
[56:53] Voor het grote publiek is die drempel om denk ik agentic bezig te zijn heel hoog. Nog. Maar misschien is dat dus ook wat gaat veranderen nu, als we het weer even over die Everything app bijvoorbeeld hebben.
[57:02] Precies, wat als ik, precies, als ik kan aanvullen daarop is dat, ik heb veel, uh, ongeveer achttien maanden geleden werd ik een aantal keer ingevlogen, uh, bij softwarepartijen die zeiden, uhm, er zijn hier te weinig mensen intern bezig met op zijn minst spelen met deze tooling, hè.
[57:20] En achttien maanden geleden was wel een beetje een andere tijd in AI, maar als je een beetje vooruit keek dan zag je al wel de eerste harnessing een beetje ontstaan.
[57:28] En als je een beetje slim ermee was kon je toch al best een end komen. Je, je code, netjes je code erbij. Je had, uh, Copilot in GitHub kwam toen net een beetje op en zo. En ik weet nog dat ik daar best wel
[57:39] intense gesprekken aan het voeren was, waar ik dus, nou ja, als een soort Rick \[gniffelt\] daar met urgentie binnenkwam van: ja, maar dit gaat, dit, dit gaat de hele softwareontwikkelingsindustrie op zijn kop zetten.
[57:51] En het, het interessante is wel dat ik nu het achttien maanden later is en eigenlijk sinds december die hele groep mensen die eigenlijk, ik, het lukte mij niet.
[57:59] Ik heb het echt met, ik heb al mijn metaforen en dominostenen in het leven. Om ze mee te nemen in het begin is, ja.
[58:04] Nee, zeg dat ik, uh, dat 10% nodigde mij uit, want die ha- waren er wel mee aan het spelen en zagen, uh, een soort toekomst.
[58:12] Dan heb ik er nog maximaal 10% bij kunnen overtuigen die ook zijn gaan rommelen, maar die andere 80% pas toen het zo bruikbaar werd en zo overduidelijk indrukwekkend, flipte die ineens om op, in december.
[58:25] En ik heb dus ook het idee dat naarmate de, uh, drempel tot AI tooling waar we het nu nog over, waarschijnlijk gaan de meeste mensen het nooit over agentic hebben. Dat is een soort ondergoedterm, hè.
[58:36] In de engineering moet je nooit je ondergoed laten zien, zei ik altijd. Dat, dat is iets wat wij met elkaar bespreken.
[58:41] En, uh, Jeroen, hoe jij hier bij zit, ben eigenlijk gewoon nerdy genoeg om toch weer lekker te gaan, nee, maar je bent iets aan het bouwen binnen de redactie eigenlijk, omdat je toch wel,
[58:51] uh, jouw drempel is lager, hè, dus, d-d-er is op een gegeven moment nog een, een, een best wel een drempel, maar jij denkt: oh, daar kan ik wel overheen. Maar op een gegeven moment is het iets waar je gewoon mee praat.
[59:01] Is het iets wat het gewoon voor jou gaat oplossen.
[59:04] En ik denk dan dat er wel collega's zullen komen die gewoon in een casual gesprek waarin, hè, i-ik heb altijd geleerd, ik heb ook, uh, lesgegeven in user interface design, dat ik nu tegen oud-studenten zeg: ja, the best interface is no interface.
[59:19] Je moet geen cursus AI gaan geven. Kan je praten? Kan je, kan je je probleem aan iets uitleggen, hè? Dus ik weet niet, ik, hoe zie jij dat, Rick, zeg maar?
[59:26] Kan je je voorstellen dat op een gegeven moment er wel een omslag gaat komen naarmate de drempel verdwijnt?
[59:31] Ja, ik, ik zou ook nog wel willen benadrukken, want ik zat echt even na te denken terwijl jullie aan het praten zijn van: wat, wat zie ik nou bij de mensen die, uh, niet zo, uh, soort van evangelical zijn als, als wij nu zijn en als ik zeker ook ben.
[59:46] En dat komt ook vaak door bepaalde ervaringen die ze hebben opgedaan en dus, die, die negatief waren, waarvan ze denken: als je dit fout doet, jongen, deze gasten lullen maar een boek of zo.
[59:56] Die gast werkt bij Nvidia, dus het zal wel, uh, gewoon, uh, super hyped zijn of wat dan ook. Maar ik denk dat er twee dingen zijn.
[1:00:03] Ik denk dat je, in de basis, uh, gaat de ontwikkeling heel snel, dus als jij in november 2025 iets geprobeerd hebt, dan is dat gewoon niet representatief voor wat je in april 2026 kan doen.
[1:00:17] En dat is zes maanden en dat is echt een, een, een hele grote sprong weer die gemaakt is. Dus dat is één ding. Dus je moet, zeg maar, als je denkt november 2025 was nog super recent, is het niet.
[1:00:27] En ten tweede, uhm, die modellen zijn allemaal jagged, in de sense, in de zin van: ze kunnen, uh, bepaalde basisdingen fout doen, zoals wat nu een beetje de nieuwe, het nieuwe stokpaardje is dat, uh, dat je vraagt van: mijn auto, uhm, uh, ik moet mijn auto wassen.
[1:00:43] Hij staat, uh, op, uh, hij staat, of, of, de, de autowas, uh, de wasstraat staat, is op 50 meter afstand. Moet ik lopen of rijden? En dat die AI modellen dan zeggen: ja, je kan gewoon lopen, is zo dichtbij, loop gewoon.
[1:00:54] En dat ze dan vergeten dat de auto daar naartoe moet en dat ze dat soort fouten gebruiken als bewijs om te laten zien van: zie je wel, dit ding is useless. Dit, ik kan hier helemaal geen waarde uit halen.
[1:01:05] Maar dat is de verkeerde conclusie. Wat je, wat je conclusie moet zijn: dit ding is bijzonder goed en capabel in sommige dingen en extreem dom in andere dingen. En hoe ga ik daar omheen werken?
[1:01:15] En dan wil ik je meteen een voorbeeld geven van harnessing. Wat je hier dus zou kunnen doen is zeggen: oké, ik heb de, uh, ik heb een auto, die wil ik wassen. De wasserij, uh, wasstraat is op 50 meter.
[1:01:26] Dan laat je hem in, laat je hem zeggen, uh, nou, ga maar lopen, zegt ie dan. En dan zeg jij: ja, is goed, maak maar een plaatje van hoe het eruit zou zien met een imagemodel.
[1:01:34] Laat je door de AI maken door een andere AI en dan zeg je: kijk nou eens naar het plaatje. Ik weet zeker dat ie zegt: oh shit, je auto staat er niet. Je had je auto mee, je had je auto moeten pakken.
[1:01:41] Dus, uh, d-daar heb ik eigenlijk een vorm van harnessing gedaan waarin je dus de AI eigenlijk een inbeeldingsvermogen geeft. En ik, dan hoor ik nu al, uh, programmeurs roepen in mijn hoofd: ja, maar dat is niet eerlijk.
[1:01:52] Terwijl ik denk: dat is wat ik ook doe. Ik heb in mijn eigen hoofd, ik heb een inbeeldingsvermogen. Gaat die tas in het vliegtuig passen? Even kijken, krijg ik die dan onder mijn stoel? Dat zit ik me in te beelden.
[1:02:02] Dus in dat opzicht denk ik dat het voor heel veel mensen ook onduidelijk is hoeRelatief eenvoudig je een stukje inbeeldingsvermogen kunt toevoegen aan zo'n tekstmodel, die eigenlijk goed is in het gokken van de volgende zin, volgende woord, uh, om te zeggen: beeld nou heel even in wat je net tegen mij hebt gezegd en voordat je het antwoord aan me geeft, kijk er even naar en geef me dan het antwoord.
[1:02:23] Nou, dan zal je een iets langer reasoning step hebben en het goede antwoord. Klopt en ik denk dat, ehm, het, het, het is ook een realiteit.
[1:02:33] Dus de kwaliteit van de modellen is dusdanig dat ze deze jaggedness, uh, vertonen. En dat maakt ook dat je een hele actieve consument moet zijn van AI.
[1:02:41] Of het nou een agent of een chat is, je kan niet je hoofd uitschakelen en gewoon niet meer opletten en alleen maar eventjes het antwoord bekijken. En dan als dat goed of fout was, daar iets.
[1:02:50] Je moet het echt actief consumeren om te zorgen dat je niet door die jaggedness, zeg maar, gebeten wordt en in de rechtszaal staat met een citaat van een rechtszaak die niet heeft plaatsgevonden.
[1:03:01] Dus dat is nu op dit moment gewoon nodig. Rick, je, jij zit er met je neus bovenop. Je werkt bij Nvidia sinds kort. Uh, je, je, je bent in Amerika, je, je praat met iedereen die, die, die, nou ja, aan de voorkant.
[1:03:13] Je bent iemand die aan de voorkant van de, van deze technologie zit. Hoe gaat, hoe gaat Nvidia, hoe gaan de labs, hoe gaat techniek ons hierbij helpen?
[1:03:21] Want je vraagt veel van mensen als je terecht zegt wat je zegt, maar ik kan me ook zomaar voorstellen dat wij hierbij geholpen gaan worden.
[1:03:29] Ja, en, uh, denk, ik denk dat veel mensen die dus heel erg, uh, actief en veel, v-, heel veel gebruik maken van AI momenteel. Die voelen ook dat ze zelf de bottleneck worden in productiviteit.
[1:03:42] Dus als ze iets gedaan willen krijgen, omdat je dus nog actief moet participeren. Je moet, je moet checken, je moet kritisch blijven, je moet vragen of het bepaalde zaken wil valideren.
[1:03:50] Je moet directe citaten vragen om, om te zorgen dat je niet in die valkuilen stapt die er zijn.
[1:03:56] En, uhm, daar is iedereen ook aan het zoeken naar van: wat zijn dan effectieve, uhm, uh, manieren om daar zo goed mogelijk mee om te gaan?
[1:04:05] En, uhm, een van de dingen waar AI ook heel goed mee kan helpen is, uh, bij het, het produceren van, uh, een uitleg van hoe iets werkt of hoe het tot een antwoord is gekomen wat precies is afgestemd op wat jij wel en niet al weet.
[1:04:23] Dus je kunt gewoon tegen het model zeggen van: ik begrijp dit deel heel goed, want daar heb ik ervaring mee, heb ik al eerder mee gewerkt, maar dit deel is voor mij heel onduidelijk.
[1:04:29] Geef mij nou eens een uitleg die dat deel heel duidelijk uitlegt en dat andere wat minder.
[1:04:34] Dus, dus het actief als het ware, ja, inzetten als een soort tutor en, en om, om zo op die manier het tot een volwaardige sparringpartner te maken die jou ook helpt om het werk dat AI doet te controleren.
[1:04:46] Daar zie je nu heel veel activiteit, dus dat mensen dat gebruiken. En een van de voorbeelden die ik wel leuk vind, is een, uhm, een, een technische vriend, uh, die, die was, uh, VP bij Unity.
[1:04:58] Dat was een game engine ontwikkelaar. Super competente programmeur en hij heeft, hij komt ook heel vaak met dit soort ideetjes over hoe kan je, je, je, jezelf, uhm, uh, ondersteunen in het checken van het werk van AI.
[1:05:11] En hij heeft dus een tooltje gemaakt waarbij die zegt: als je denkt klaar te zijn met het werk wat ik je gevraagd heb te doen, uh, maak dan een video waarin je gewoon demonstreert dat hetgeen doet wat ik gevraagd heb om te doen.
[1:05:23] En dat is een heel algemeen iets wat je altijd achteraf kan zeggen van: maak een videootje voor me.
[1:05:27] En omdat hij programmeerwerk doet, is dat video in de vorm van een soort terminal video waar je al die ASCII dingetjes, uh, voorbij ziet komen.
[1:05:33] Maar het, het heeft twee voordelen: en het is makkelijker en sneller om het werk te checken wat een AI heeft gedaan. Want mensen kunnen in zo'n multimodale videoding sneller zien dan een soort muur van tekst.
[1:05:45] En soms maakt hij die video, realiseert hij tijdens het maken van de video: ik heb het niet goed gedaan, en denkt hij: ja, ik kan niet met dit bewijs naar, naar de baas, want, uh, dat, uh, gaat hij nooit accepteren en dan blijft hij dus doorgaan.
[1:05:55] En er zit ook automatisch een soort zelfcorrectie, uh, effect in.
[1:05:59] Dus je ziet dat, uh, je zonder actieve participatie geen waarde kan halen uit die systemen, omdat ze nog bepaalde fouten maken, maar dat ze ook in te zetten zijn om, uh, om, om dat proces steeds sneller, makkelijker, efficiënter te maken.
[1:06:14] Hoe jij als persoon de interactie zoekt. Je haalde net dat interview met Carpathia van ongeveer 18.00 uur geleden. Uhm, daar ging het ook over, uh, dat je wel intelligentie kunt uitbesteden, maar niet begrip.
[1:06:26] Understanding, zoals de Engel-, Amerikanen het zeggen.
[1:06:29] En volgens mij is, ik heb dit zelf ook gemerkt dat, ik geef graag lezingen en ik heb een paar keer geprobeerd, want, want ik wil naar een soort nieuwe versie van mijn lezing toe.
[1:06:38] Die moet ook op een gegeven moment weer geüpdatet worden. Net als de modellen zeg maar.
[1:06:41] Dus ik dacht: nou, kan ik dan met mijn grote mond eens kijken of ik dat samen, want, maar mijn huidige lezing is gewoon, uh, met de hand gemaakt. Heel classic nog, uh, een tijdje geleden. Artisanal.
[1:06:51] Ja, artisanal, uh, deck is dat. Uh, dus ik, uh, ga, ik ga met, uh, in dit geval Claude. Ik zat in, uh, Claude Code. Ik denk: ik ga wat, een deck maken en dan stel ik wat vragen en daar kwam dan een deck uit.
[1:07:03] Maar ik, uh, dus een presentatie. Ik kon er gewoon niet zoveel mee, omdat ik kreeg het eindresultaat en ik dacht: ja, maar ik, ik gebruik eigenlijk mijn slides alleen maar om mezelf te herinneren aan mijn eigen verhaal.
[1:07:14] Maar als jij me alleen de herinneringen geeft, maar niet het verhaal. Ja. En dan zeg ik: schrijf het verhaal. Ga die speaker notes schrijven. Voelde ik helemaal niet dat ik dacht: ja, ik, nu, nu word ik een puppet.
[1:07:23] Ik kan net zo goed dit ding la-, door een, uh, ElevenLabs model laten inspreken. En uiteindelijk heb ik dus weer een hele presentatie met de hand gemaakt omdat ik het wilde begrijpen.
[1:07:33] En ik kan het niet uitleggen als ik het niet begrijp.
[1:07:35] Dus daarin zit ook nog wel een hele interessante, dat, en net als met de sportgoal, als je je robot stuurt krijgt die spiermassa en jij niet, hè, als het een organic robot is.
[1:07:42] Je zal toch, als je je denken uitbesteedt, uh, krijg je niet het begrip erbij.
[1:07:47] En als je het begrip wil hebben, want ik vond het wel grappig, jij had het over het voorbeeld van die video's, hè, dus dat je je A-, AI een video laat maken voor jou om aan jou uit te leggen hoe de AI het gedaan heeft.
[1:07:57] Die, die werkt alsExtra check, want als hij aan het bluffen was valt hij door de wand, want hij krijgt het zelf niet uitgelegd. Maar het werkt ook als een manier om te zeggen: je bent eigenlijk een collega van mij.
[1:08:08] Ik had gisteren vrij. Jij bent doorgewerkt en jij hebt doorgewerkt aan iets. Neem me even mee door je bewegingen, want anders zijn wij niet meer met elkaar in sync en kan ik niet meer met jou werken.
[1:08:18] En dat soort van intelligentie uitbesteden versus begrip is iets waar we heel erg tegenaan gaan lopen. Met zijn allen.
[1:08:24] Want ik denk dat, dat zit ook heel erg in jouw verhaal Ric, dat je zegt: wij, en als je wij zegt, hoor ik dan een soort engineers aan de frontier die met AI bezig zijn en tegen allemaal dingen aanlopen, ontdekken nu dingen in werken met AI samen, die in de hele breedte van het kenniswerk ook een probleem gaan zijn.
[1:08:41] Een uitdaging of een kans, hoe je het wil zeggen. Ja, nee, helemaal mee eens.
[1:08:46] En ik denk dat, uhm, het ook wel een verklaring is waarom er zo'n soort tendens lijkt te zijn waarbij mensen die al heel goed waren ergens in, een grotere soort speed-up, uh, weten te halen uit AI, omdat ze eigenlijk al wisten hoe ze het moesten doen.
[1:09:04] Bijvoorbeeld als jij een senior backend developer bent en je hebt bijvoorbeeld, uh, het backend van Booking.com ont-ontworpen, uh, dan heb je waarschijnlijk wel een team programmeurs gehad om daar mee samen aan te gaan werken.
[1:09:16] Maar als je dus nu opnieuw een backend moet ontwikkelen, dan kan je een, een enorm goede soort van adviseur en, en, en direct-director zijn voor een groep AI agents. Omdat je gewoon weet waar de valkuilen liggen.
[1:09:28] En je weet, zeg maar, wel de, de, de belangrijkste, uh, designprincipes die je niet moet, uhm, uh, niet moet, nie-niet moet missen.
[1:09:40] Maar, je, ja, je bent ook niet per se geïnteresseerd in al het specifieke detailwerk wat uiteindelijk allemaal nodig is om dat te doen. Dus ik zie het ook als een soort van omhoog gaan in een abstractieniveau.
[1:09:53] Dus je kan bepaalde details delegeren, maar je moet dus een soort, uh, uh, vaardigheid ontwikkelen in welke details, uh, kun je vergeten en welke di-, welke, welke zaken moet je nog soort van in de loop zijn en jouw begrip, uh, blijven, blijven bijwerken.
[1:10:11] Jeroen, als jij dit nu hoort, kan jij dat dan, want eigenlijk zit er een aanname bij Ric en bij mij dat dit te generaliseren is, hè. En ook bij de CEO van Nvidia, Generalizable Intelligence.
[1:10:23] Als jij dit nu hoort en je hebt ook nog een stuk technische achtergrondkennis, kan jij dan binnen de redactie op diezelfde manier zeggen: hé, ik hoor nu dingen die Ric vertelt vanuit zijn domein, die eigenlijk, als ik even de andere namen, bij ons heet het dan net anders, hè, binnen de redactie.
[1:10:37] Kan jij dit al, uh, simuleren, kopiëren?
[1:10:41] Nou, ik ben, ik ben heel sceptisch als ik dit hoor, omdat ik denk dat dus de, de, de vraag die eigenlijk voorligt, die volgens mij van toepassing is op softwareontwikkeling, namelijk: ga mee in het, het denken over softwareontwikkeling en pas je werkwijze een beetje aan zodat je kan samenwerken met, met, met models en met harnessing tools.
[1:11:02] Dat zijn kleine stapjes die je kan doen als ontwikkelaar. Je hebt dat ding door. Je weet wat hij van je wil. Nou, dan doe je het een beetje linksom of rechtsom.
[1:11:09] Of dan vraag je het zus of zo en dan samen kom je wel ergens.
[1:11:11] Maar processen in de, tussen aanhalingstekens, echte wereld of misschien beter gezegd andere wereld, zijn anders, zijn complexer, zijn helemaal niet ingericht op softwareontwikkeling.
[1:11:20] Dus de vraag die eigenlijk wordt gesteld is: moet de wereld zich ook op die vlakken gaan aanpassen aan de vereisten van de modellen? En ik denk dat dat ingewikkeld is.
[1:11:30] Ik denk dat dat niet zo is en ik denk dat de weerstand daartegen ook heel groot is, omdat mensen zeggen: sorry, wij hebben hier al, in de journalistiek bijvoorbeeld, nou, laat zeggen dat dat ongeveer een jaar of 150, 200 bestaat, zoals we dat ongeveer nu kennen.
[1:11:43] We hebben een werkwijze met elkaar ontdekt en ontwikkeld en ik heb helemaal geen zin om dat aan te gaan passen aan, aan een robot, zodat het, zodat het, uh, uh, voor, voor, voor hem uitvoerbaar is.
[1:11:55] Oké, dus ik wil graag een voorbeeld geven en ik denk dat je gelijk, uh, zou kunnen hebben in grotere mate van, de, de verschillen zijn gewoon te groot tussen die werelden en, en dus zal het gewoon op een hele andere manier ge-, omarmd worden of minder omarmd worden of helemaal niet omarmd worden.
[1:12:10] Maar neem het voorbeeld van fact checking. Dus we hebben het al eerder gehad over hallucinatie, uh, uh, problemen met modellen en ik ben er heel erg van overtuigd dat het een, een compute, uh,
[1:12:24] vraagstuk is, in de zin van: als je een model heel korte tijd geeft, dan kan het best wel wat hallucinatieproblemen hebben. Ook de allerbeste nieuwe modellen.
[1:12:31] Maar als je een model twaalf uur de tijd geeft, dan is de hallucinatie, uh, frequentie enorm laag.
[1:12:38] Dan, dan kan je bijvoorbeeld een, een, uh, een, een soort verzameling aan wat er bijvoorbeeld gepresenteerd gaat worden bij het nieuws, uh, nemen.
[1:12:46] En dan kan je zeggen: elke claim, elke claim die gemaakt, maakt niet uit hoe klein de claim is, elke claim, spendeer een uur om dit te valideren en dat, dat, dat doe je in parallel.
[1:12:56] Dus er zijn straks 1.000 agents tegelijk bezig die elke claim helemaal gaan uitzoeken. Welke claim dan? Welke website heeft gezegd, welke overheidsinstantie? En staat het dan nog op hun website? En waar zegt ze dat?
[1:13:07] En dan vervolgens een rapportage opleveren om te zeggen: nou, we hebben eigenlijk deze kritieke problemen gevonden.
[1:13:14] Uh, ga hier nog een keer extra naar kijken en op die manier kun je zorgen dat journalistiek, zeg maar, hoge integriteit heeft, betere fact checking, uh, meer dan je ooit met, met puur menselijke capaciteit zou kunnen doen, gegeven de korte tijd, et cetera.
[1:13:26] Ja, nee, totaal met je mee. Totaal met je mee. Hoe vind jij zo'n soort- Wie kan daartegen zijn?
[1:13:30] Ja, maar hoe kan je zo'n constructie, uh, uh, dat, in mijn hoofd is dat zo'n beetje een directe vertaling van wat wij net bespraken. Maar misschien is mijn hoofd gewoon zo built dat ik alles op die manier zie.
[1:13:41] Als ik een hamer heb, is alles een spijker, bij wijze van. Maar, v-vind jij dat, hoe, hoe, hoe schets jij dat specifieke voorbeeld dan in de context van jullie werkprocessen en in, in de sector van de journalistiek?
[1:13:52] Het zal niet allemaal fact checking zijn. Dat klopt wel. Nee, nee, nee, zeker, dat, dat, dat is het niet.
[1:13:55] Dat is een heel specifiek onderdeel van ons werk en het, het eerste wat ik daarover kan zeggen is, dat is misschien een beetje flauw, maar we zitten in, uh, de nieuwsbusiness, dus we hebben geen tijd om elk feit dat wij poneren, uh, op zo'n manier te checken.
[1:14:10] Ik zeg dus: op zo'n manier, want natuurlijk moet het gecheckt worden, maar ik kan niet voor een hele nieuwsuitzending waar misschien wel 500 feiten in zitten500 uur spenderen tussen aanhalingstekens aan het, aan het laten controleren van al die feiten daarvoor.
[1:14:25] Dat moet gewoon soms in 2 minuten en dat moet soms in 1 minuut. Het moet soms in 20 seconden op basis van kennis die je hebt, op basis van bronnen die je kent. Dus, dus. Ervaring. Ervaring. Dus dat is, dat is één ding.
[1:14:36] Maar ik vind het ook een beetje flauw omdat je je werkproces daar ook wel een beetje op zou kunnen inrichten voor een organisatie als Nieuwsuur die één keer per dag uitzendt. Dus, dus dat is dat.
[1:14:44] En ik denk ook jazeker, je opent toch ook wel weer een beetje mijn ogen. Maar misschien daar één stap op, op verder.
[1:14:51] Ik denk dat we dus een glorieuze tijd gaan krijgen van consultants en daar ben ik niet per se heel blij mee. Want dat is niet het menstype waar \[lacht\] ik denk ik heel erg blij van word.
[1:14:59] En aan deze tafel anderen misschien ook niet. En respect voor iedereen die consultant is, want die doen natuurlijk ook heel goed werk.
[1:15:04] Maar je gaat volgens mij een soort interfacing nodig hebben tussen organisaties en AI's. Dus van mensen zoals jij die dit nu kunnen bedenken en zeggen. Maar heb je hier aan gedacht, dan zou je dit kunnen zien.
[1:15:14] Ik zeg: o ja, dat is eigenlijk wel een goed idee. Nou, er zijn misschien wat haken en ogen, maar het kan wel.
[1:15:19] En ik, ik, ik denk dat je voor elk werkproces in zo'n organisatie bronnen nabellen, bronnen controleren, maar ook bronnen vinden.
[1:15:27] Ik bedoel, heel veel is ook gewoon handwerk is gewoon de telefoon oppakken en mensen bellen en vragen: ben je beschikbaar? Kan, zou AI ook kunnen doen? Zeker. Uh, m-m-mensen kunnen vetten. Zijn mensen beschikbaar?
[1:15:38] Kunnen ze goed praten? Kan ik ze goed verstaan? Kunnen ze het verhaal goed uitleggen? Uh, zijn ze onafhankelijk? Waar zijn ze aan verbonden?
[1:15:44] Kan AI ook allemaal doen, maar je hebt dus in zo'n werkproces waarin dit allemaal al gewoon 150 jaar gebeurt, heb je nieuwe mensen nodig denk ik, die dat gaan ontwikkelen en die dat gaan doen.
[1:15:55] Nou werk ik niet in een concurrerende positie. Of ik bedoel, we hebben geen concurrenten. Dat is natuurlijk, dat is natuurlijk de andere kant van het verhaal wat jij terecht schetst.
[1:16:02] Hoe vergelijk je de adoptie van de computer überhaupt? Dus ik kan me voorstellen dat in de jaren 70 op nieuwsredacties niet iedereen een laptop op hun bureau had staan, want die waren er nog niet.
[1:16:12] Maar d-dat is nu waarschijnlijk heel normaal dat iedereen gewoon op de hele dag al het werk wat gerelateerd is aan de redactie op een computer doen.
[1:16:18] Ik denk dat de, de, de, de, de horde die genomen moet worden en de aanpassing van vergelijkbare orde van grootte is. Maar hoe zie jij dat? Groter. Veel groter omdat de, de interfacing sociaal is.
[1:16:30] Dus je moet met mensen gaan praten. Je moet met mensen bellen. Gaan mensen het accepteren dat een AI ze opbelt en vraagt: hoe zit dit? Hoe zit dat? Ben je beschikbaar om daar iets over te zeggen vanavond?
[1:16:39] Kunnen we je ergens ontmoeten? Kunnen we daar een cameraploeg heen sturen?
[1:16:41] Of ben je in staat om Zoom neer te zetten of, uh, uh, uhm, uh, met ons een live kruisgesprek te doen, naar een studio te rijden zodat we je kunnen interviewen? Ik weet niet of mensen dat accepteren.
[1:16:53] Je moet op het idee komen, dus hoe ga je ideeën vetten? Daar kan AI natuurlijk ook bij helpen, maar daar is al een heel redactieproces. Dat hele proces moet je dan in kaart brengen. Moet je opknippen.
[1:17:03] Je hebt heel veel sociale, uh, problemen te overbruggen voordat, voordat je daar bent. Waar we denk ik als samenleving nog helemaal niet zijn. Het hoeft maar één keer fout te gaan en het gaat ook wel eens fout.
[1:17:14] Ik, ik, ik gebruik ook Perplexity. Ik gebruik naar allerlei modellen om dingen op te zoeken gedurende mijn werk. Om te kijken hoe zit dit, hoe zit dat, hoe zit dat?
[1:17:22] Ik heb al best een aantal keer gehad dat ik tegen een redacteur zei: nee, maar sorry, maar 60% van de x is y. En dat zij me aankijken en zei: hè, heb ik nog nooit gehoord.
[1:17:32] En dat ik, ja, dat ik, dat ik naar Perplexity wees en nee hoor, Perplexity zei en dat het bij elkaar gehallucineerd was.
[1:17:38] En dan ben ik iemand die zich daar bewust van is, hè, maar dat dan ook in heat of the moment wel eens vergeet.
[1:17:43] Dus, en dan krijg je, als dat te vaak gebeurt, dat mensen dat ook weer zoals je net ook terecht zei, dat loslieten en dan moet je je er weer toe verhouden.
[1:17:49] Het zijn, ja, ik, ik denk en dat is dan nog maar een nieuwsfabriek dat, dat, dat die, e-, met computers werkt de hele dag. Voordat wij ooit bereid zijn om dat te doen. Nou, jaren, jaren.
[1:18:01] Dan denk ik: Jeroen, als ik even advocaat van de duivel mag spelen, hè. Stel nou dat, uh, want ik hoor je en het, ik vind het hele interessante voorbeelden ook die je noemt.
[1:18:09] Zeker de fysie-, de fysieke dimensie, de menselijke dimensie. Want het gaat eigenlijk heel veel over kamers, uh, mensen aanspreken. Willen mensen dit wel, hè? Dus het. Het gaat over vertrouwen ook. Ja, absoluut.
[1:18:20] Wil jij geïnterviewd worden door ons? En hoe wordt dat dan gebruikt? En wie ben jij eigenlijk? En wat is jouw agenda die wij niet hebben? Maar dat moet je ook maar over kunnen brengen.
[1:18:27] En ik denk dat, dat, dat daar binnen het netwerk van het neerzetten van een aflevering Nieuwsuur bijvoorbeeld, hè, wat er allemaal omheen moet gebeuren, allemaal nodes zijn om het even engineering te zeggen, wat allemaal menselijke interactie is.
[1:18:40] Die, die, ook al sturen we een coole Unitry robot met een b-bosje bloemen. Hallo, weet je dat. Of een mooie stem, maakt allemaal niet uit. Werkt gewoon niet daar in dat momen-, werkt anders.
[1:18:50] Laat ik het zo zeggen, doet iets anders dan dat een collega van jou daar voor de deur staat. Uh, tegelijkertijd denk ik dat een deel van wat je, van wat je zegt.
[1:18:58] Ik mo-, ik moest echt denken dat ik dacht: stel dat je een, uh, taxichauffeur interviewt, uh, in Amsterdam twee jaar geleden en vertelt over de zelfrijdende taxi. Ik denk dat hij zou zeggen: ja, maar wie stapt er dan in?
[1:19:11] En, uh, wie gaat er om dat paaltje heen? En daar ligt het straatlicht heel de tijd open en die gaat dan heel zo'n verhaal doen waar ik helemaal van overtuigd zou zijn geweest dat ik denk inderdaad, het kan niet.
[1:19:18] En, en nu, nu zijn ze er wel. Ik hoor je.
[1:19:20] En ik zie Rick ook kijken met een beetje \[Rick lacht\] soort medelijden in zijn ogen van: ach, deze man, die is over twee jaar werkloos en het is niet eens heel erg als hij zo denkt.
[1:19:28] \[lacht\] Nee, maar ik denk dat uiteindelijk, uhm, ik moest, ik moest ook denken door dit verhaal. Ja, jij noemde het meteen consultants, uh, noemde jij even.
[1:19:37] Ik dacht aan, er is best wel een flinke discussie nu binnen de software-industrie. Is SaaS, software as a service, dood? Mhmm. Of zoals ze het liefst bij de AI-bedrijven zeggen: springlevend, hè.
[1:19:52] Sam Altman staat op het podium. Die zegt: gouden tijden, gouden tijden.
[1:19:56] Want weet je hoeveel bruggen er nog gebouwd moeten worden tussen de modellen en de journalistiek, tussen de modellen en de taxichauffeur in Amsterdam? En eigenlijk, jij noemt ze consultants.
[1:20:06] Maar goed, hè, de product owners die bruggen kunnen bouwen.
[1:20:10] Ga, geef je daar, uh, een klein beetje, uh, nou ja, hoe zeg je dat, uh, uh, een soort, uhm, gelijk aan de groepen die zeggen: nou, qua softwareontwikkeling is er juist heel veel te doen.
[1:20:21] Alleen hoe die softwareontwikkeling plaatsvindt, hè, programmeren versus producten laten maken door AI is anders.
[1:20:28] Want volgens mij, uh, dit is iets wa-wat ik wel met Rick gemeen heb, uh, is dat wijIk denk dat wij iedere keer, ook uit naïviteit, wil ik er wel even bij gezegd hebben.
[1:20:40] Ten eerste denken we, val, val bij hoor Rick, als ik je, als ik je kwijt raak. Maar, uh, dit is Ben het nog steeds eens. Dit is te generaliseren en veel meer nog dan de meeste mensen zich beseffen.
[1:20:50] Want veel van de wereld is eigenlijk al een soort van software ready \[gniffelt\] zou je kunnen zeggen, omdat er al heel veel in systemen staat als dode informatie, maar het is in ieder geval gedigitaliseerd.
[1:21:00] Veel is al gedigitaliseerd. Er zijn veel laptops al op de redactie, zou Rick dan zeggen. En, uh, dat je daar eigenlijk omdat je zelf een knutselaar bent, oplossingen bouwer, wij alle drie trouwens, dat je weet van:
[1:21:13] ja, inderdaad, als ik nou dat aan dat koppel en dan dat aan dat koppel en daar de mail ga inlezen en die oude faxmachine gewoon ga fotograferen en dan inderdaad mensen met een audiostem ga bellen met consent en inderdaad duizend agents span, ja, dan kan ik denk ik toch wel aan een redactie bouwen.
[1:21:28] Nee, je komt, je komt een, je komt een stukje. Maar wat mij ook sceptisch maakt, en, d-d-daar had je het net eigenlijk zelf over toen jij, uitgerekend jij, je deck door een AI wilde laten maken.
[1:21:38] Waarvan ik eigenlijk zeg als ik jullie zo hoor: dat is de weg, dat is, dat is hoe het zou moeten kunnen. En jij komt tot de conclusie: het kan niet.
[1:21:46] Ik laat mijn teksten, het, het wordt gewoon, het wordt gewoon kut als ik mijn teksten door AI laat schrijven. Het is gewoon niet om, het heeft niet de kwaliteit die ik heb.
[1:21:55] En dat is natuurlijk, dit is, dit is al honderd keer gezegd en als je er verstand van hebt, dan, dan, dan zie je dat het een zeven is ongeveer. En als je er geen verstand van hebt, is een zeven goed genoeg.
[1:22:03] En waarschijnlijk gaan we collectief allemaal een beetje, uh, door onze hoefjes zakken omdat we zevens accepteren. Dat ben ik een beetje bang voor.
[1:22:09] En allemaal AI-slop lezen en denken: o, dit is kennelijk hoe we met elkaar communiceren. Alles wordt grijs. Alles wordt grijs. Nou ja, daar verzet ik me toch ook tegen en dat vind ik eigenlijk wel een, een goed idee.
[1:22:20] Rick, jij bent gast. Ik hoor je te weinig. Wat denk jij als je dit allemaal hoort? Ik denk dat, uh, een, een, een, een soort quote die je vaak voorbij hoort komen is: the war on slop. Ja.
[1:22:32] En slop is een, uh, een term die, uh, gebruikt wordt om, uh, lage kwaliteit AI-output, uh, te beschrijven.
[1:22:40] En, en mensen raken gefrustreerd natuurlijk als ze, als ze iets lezen, denken: oh my god, dit LinkedIn-bericht is sowieso gegenereerd door de allergoedkoopste AI en het, het leest zo verschrikkelijk.
[1:22:49] En waarom kijk je naar? Uhm, en dat gevoel kent denk ik iedereen inmiddels. Of in ieder geval heel veel mensen. En, uhm, ook op dat.
[1:22:58] Ik denk dus enerzijds zou je kunnen denken dat, de, blijkbaar vond iemand het toch de moeite waard om dat te posten en dat is misschien een, een, een, een inschattingsfout van die persoon.
[1:23:06] Maar ik denk ook dat er, dat effect is echt, dat, dat mensen hun kwaliteitsbar misschien omlaag, uh, laten gaan omdat, uhm, de, de kosten om iets van een zeven te produceren zo laag zijn en het effect minder groot is dan een negen.
[1:23:24] Maar, uh, de, de kosten afgezet tegen het effect is het toch de moeite waard voor mensen.
[1:23:29] En dat is natuurlijk een beetje een, een, ja, denk ik ook, ik ben ook best wel een soort kwaliteit-fetisjist, dus ik vind het ook wel, wel treurig.
[1:23:36] Uhm, maar ik denk wel dat dat gewoon een, een soort tussenfase is waar we in zitten. Als je bijvoorbeeld kijkt naar de schrijfkwaliteit van dat, nogmaals om even, GPT-5.5 Pro. Wat een, het is heel grappig.
[1:23:48] GPT-5.5 Pro is eigenlijk gewoon een GPT-5.5-model, maar het krijgt de kans om langer en dieper na te denken voordat het het antwoord hoeft te geven.
[1:23:55] Dus het kan veel meer revisie en aanpassing en bijsturing op hun, op zijn eigen output doen voordat het, uh, iets presenteert.
[1:24:02] En als je, uh, bijvoorbeeld een uitleg vraagt van: schrijf een tutorial, schrijf een, een, een, een goede essay over dit, uh, onderwerp, dan zie je dat wat daar uitrolt al helemaal niet meer leest als de gemiddelde AI-slop die je van je goedkope Copilot-abonnement krijgt.
[1:24:19] En ik denk dat, ik denk dat, uh, daardoor is het een soort tijdelijk fenomeen. Uhm, maar tegelijkertijd ben ik het met je eens.
[1:24:26] Gewoon in het huidige moment van AI, uh, is de menselijke intuïtie, ervaring, touch, taste, hoe je het wil noemen, is onmisbaar. Maar mag ik daar nog één stap verder in gaan?
[1:24:37] Wij kijken ook niet graag naar een FIFA-wedstrijd gespeeld op een PlayStation. We don't care.
[1:24:44] Terwijl Champions League wedstrijd in het echt, ja, ik persoonlijk niet, maar andere mensen vinden dat fantastisch om te kijken.
[1:24:49] Een collega van mij, die was laatst op een, uh, journalistieke conferentie in, uh, Puglia, Italië, waar het ook heel veel over AI ging. Ook nog wel interessante dingen.
[1:24:57] En ik vroeg aan hem: hoe zat, hoe zat dit, wat je hebt meegemaakt? En hij, hij zei: ja, de beste manier om het je uit te leggen is door, ik heb al die, uh, lezingen die ik daar gezien heb, die kon ik ook downloaden.
[1:25:08] Die heb ik in, uh, uhm, uh, uh, een LLM gegooid en ik geef je even een samenvatting. Hier is de samenvatting.
[1:25:15] En ik wou er niet eens aan beginnen om het te lezen, omdat ik dacht: ik vraag een collega: hoe was het en hoe kijk jij, hoe denk jij hierover?
[1:25:23] Ik wil helemaal niet weten hoe, hoe Sonnet daarover denkt en dat voor mij samenvat. I don't care. Dus ik heb het gewoon niet gelezen en ik heb hem dat ook verteld. Ik zei: ik ga dit niet lezen.
[1:25:32] En ik, ik vind dat een, een daad van gerechtvaardigd verzet. Ik vind dit, uh, ook heel gerechtvaardigd.
[1:25:40] En ik denk dat, uh, mensen die, uh, werk van collega's krijgen waar ze heel erg voelen van: nou, je hebt gewoon iets door AI gehaald en je hebt hier een AI-verhaal geproduceerd en moet ik zogenaamd geïnteresseerd zijn om het te lezen.
[1:25:52] Ik bedoel, ik zie het ook heel veel GitHub code PR's. Dat is bij programmeurs, als je iemand anders zijn code gaat reviewen, moet je een stuk tekst erbij schrijven. Wa, wat is er aangepast, waarom?
[1:25:59] En dan zie je soms gewoon zo'n muur en denk je: nou, dit komt straight uit een AI-model. Dat ga ik in ieder geval niet lezen, want ik, ik verwacht dat het veel moeite en, en tijd kost om het uit te zoeken.
[1:26:08] Tegelijkertijd denk ik ook dat je, a, dat je bij iets belangrijks komt, dat, uh, de menselijke, uh, factor en de, de menselijke aspecten van het leven eigenlijk nog belangrijker worden. Omdat die, d-in één keer
[1:26:25] ontdek je dat in heel veel van die situaties, het enige verschil dat overblijft als de kwaliteit dusdanig is, is dat stukje dat het niet van een mens komt of dat je het niet in een persoonlijk face to face gesprek, uh, te horen krijgt, maar dat je een document moet gaan zitten lezen.
[1:26:38] En ik denk dat het, in mijn optiek is dat ookEigenlijk een van de ultieme doelstellingen voor waarom we aan AI-systemen werken, is om die menselijke wereld groter te maken.
[1:26:51] Een groter deel van onze tijd bestek te laten zijn.
[1:26:54] Dat je juist alles wat reduceerbaar is, dus tot iets analytisch, laat de computers dat maar doen en alles wat echt die menselijke interactie vereist en dat menselijke laagje in die zaken, dat dat juist naar de voorgrond kan treden.
[1:27:09] Dat is mijn soort hoop dat het dat effect zou kunnen hebben. Misschien wel voor jou, Jeroen, een interessante anekdote. Ik, ik volg een, uh, YouTube-kanaal, uh, en die doen complexe,
[1:27:21] uh, ideeën in, uh, onder andere machine learning en de hele wereld waar ik in zit, uh, uitleggen visueel. Uh, en het is schaamteloos gegenereerd. Dus de stem is een, een van de standaard ElevenLabs-stemmen.
[1:27:36] De visualisaties zijn overduidelijk door Claude gemaakt, want ik ken een beetje de stijl en de kleurtjes die hij vaak kiest. Maar het is goed.
[1:27:43] Het is zo goed en goed omdat ik, iemand zit hier achter te curaten, dat weet ik, want dit, dit krijg je niet zomaar uit een model, die de juiste bronnen en de juiste nadruk heeft gelegd.
[1:27:54] Misschien zelf, gok ik dan, niet zo goed kan spreken als, hè, dus ik had liever iemand ervoor ingehuurd misschien, maar, uh, en, i-, dat ik, dus ik, ik zie ook een beetje in het tijdsgesprek dat ik denk: je hebt een soort, de kwaliteit die wij als mens kunnen, kunnen, kunnen maken in de brede zin, zeg maar kunnen leveren als het ware.
[1:28:11] Dan krijg je een enorm, uh, soort, uh, lijn naar beneden toe, naar een soort van de val-, dal van slop, de valley of slop, zeg maar, waarin heel veel dingen die door AI gemaakt worden gewoon matig zijn.
[1:28:22] Want je, je leest het eraan af en het is zielloos, het is grijs, het is een samenvatting, het is mi-middle of the road, al die dingen.
[1:28:29] Maar ik zie nu om mij heen en heel sporadisch in mijn eigen leven ook, als ik er dus veel tijd in gestoken heb om wel bij te sturen en, en, uh, t's toe te voegen, dat die lijn als het ware weer omhoog gaat, dat, dat er een soort, dat de valley eindigt en dat er aan de andere kant een soort, ja, door AI met mij gegenereerde h-hybrid uit komt die hoger komt dan wat ik ooit in m'n, in m'n eentje had kunnen maken.
[1:28:51] Die niet meer die zeven is. Ja, want ik denk, en als ik hem dan terugbreng naar de nieuwsredactie vanuit mijn naïviteit van hoe dat redactioneel werk gaat.
[1:28:58] Maar, ja, als jullie een swarm van factcheckers kunnen hebben die desnoods in die 24 uur, hè, niet meer in die paar minuten, echt gedegen factchecking doet en een rapport maakt, en da-, dan denk ik dat als jij daardoor tijd overhoudt of jullie tijd overhouden om dat interview te doen om naar de mens toe te gaan.
[1:29:16] Hè, een beetje wat Rik ook zegt: dit is allemaal, ik moet er ook bij zeggen dat als ik het mezelf hoor zeggen, dat ik denk: nou, dat moeten we dan nog wel gaan garanderen dat die vrije tijd ga, dat die tijd vrij gaat komen voor al dat menselijke contact en al die kwaliteit.
[1:29:27] Hè, maar als we, als we de deal, uh, laat ik het maar even zo zeggen, als we de deal met AI kunnen maken in de brede zin, met elkaar, dat we zeggen: het analytische, het onderzoekende, het door data heen gaan, hè, discovery, uh, uh, tijdens rechtszaken, uh, wat nu door junioren gedaan wordt, dat is nou echt een ding waar je eens lekker zo'n agent doorheen kan laten crunchen, zodat wij uiteindelijk iets neer kunnen zetten wa-van kwaliteit, een acht.
[1:29:53] Een herwaardering van onze menselijkheid en daar AI voor gebruiken. Ja, omdat ik denk dat, wat jij net wel mooi zei, hè, want je zei, uh: waarom kijk ik niet naar een voetbalwedstrijd FIFA, hè?
[1:30:03] Trouwens, als je vrienden erbij zitten met een zak chips die het aan het spelen zijn, misschien wel omdat je vrienden erbij zitten en die hebben de controller in hun hand. Dus dan heb je precies jouw punt gemaakt.
[1:30:12] Hè, er is, er is een, uh, uh, meat in the loop \[lacht\]. Zeg maar, er is een ziel.
[1:30:16] Ja, een body is in the loop, dat, uh, we daarop, want dat is wel waar ik vaak naar op zoek ben, is niet de, kijk, Rik kan heel terecht zeggen: dit is, uh, dit is één update away.
[1:30:31] Kijk, als jij, als, uh, be-be-bepaalde dingen in schrijfkwaliteit, kwaliteit van schrijven, is wel echt een update away. Daar moeten ze beter op gaan finetunen.
[1:30:38] Maar andere zaken in schrijfkwaliteit van tekst is niet een update away. Het vereist gewoon simpelweg een mens met context, omdat wij daar iets te bieden hebben.
[1:30:46] Niet omdat we een soort supercomputer hebben die op biologie gebaseerd is. Hebben we trouwens ook, maar ik denk dat we heel veel kunnen nabouwen.
[1:30:52] Maar omdat we iets meebrengen van menselijkheid die er simpelweg anders niet is.
[1:30:57] Even terug naar Rik, want wij zitten hier in een post-middeleeuwse toren in het historische centrum van Amsterdam, in Europa, op een zonnige dag te filosoferen over hoe menselijkheid binnen AI of hoe AI ons meer menselijk zou kunnen maken, eigenlijk.
[1:31:13] Beetje onverwachte wending misschien voor deze podcast, maar toch, is dat ook hoe ze in, uh, in San Francisco hierover denken? Ik denk, uh, sommiges wel, want je ziet dat, uhm, de beweegredenen, uh,
[1:31:30] waarom mensen werken aan AI heel erg uiteen lopen. En er is ook zeker wel een groep mensen die heel erg die menselijkheid niet uit het oog wil verliezen.
[1:31:39] Ik kan bijvoorbeeld een anekdote geven waarbij ik met een, een, een, een oprichter van een nieuwe startup, uh, een uur ben gaan lopen in Palo Alto, dus zo'n dorp daar in Silicon Valley.
[1:31:49] En, uh, hij vertelde me dat hij wegging bij xAI, dat hij Elon Musk had laten weten dat hij, dat hij een startup ging beginnen en zijn, zijn hele reden om iets te beginnen was dat hij voelde dat er te weinig aandacht was voor de mens in, uh, in, in de, in de push om alles maar meer autonomous te maken.
[1:32:09] Dus meer zelfstandige agents die zonder de mens alles doen. En de hele thesis, dus een soort van de oprichtingsgedachte van zijn startup was: hoe maken we AI die mensen in hun kracht zet?
[1:32:20] En deze guy was echt een van allerslimste mensen die ik ooit heb ontmoet. Technisch superdiep. Stanford PhD, you name it, hij had het allemaal.
[1:32:30] Hij heeft ook, uh, heel veel geld opgehaald voor zijn, voor zijn lab en hij is nu met een team in San Francisco dat aan het bouwen.
[1:32:35] En daar proefde ik gewoon die hele behoefte aan de, de menselijkheid en die, die rol van de mens, uh, echt serieus nemen om te zorgen dat het, uhm, technologie is diNiet de mens reduceert, maar, maar in een sterkere positie zet.
[1:32:51] Hij voelt ook als een uitzondering toch binnen die hele kliek? Nee, ik denk dat dat, ik denk dat dat, ik denk dit, dit is iets wat ik dan van dichtbij heb meegemaakt.
[1:32:59] Maar ik geloof dat er echt veel mensen zo naar kijken. Uhm, maar ja, ik kan, ik kan moeilijk duiden, zeg maar echt in, in getallen.
[1:33:07] Kijk, de, de economische realiteit van het bouwen van AI komt ook met de hele hoge kosten voor datacenters, de hele grote risico's die genomen moeten worden.
[1:33:16] Dus is het ook vaak een economische realiteit van, je moet wel het geld kunnen terugverdienen. En waar nu op dit moment de vraag het hoogst naar is, is bijvoorbeeld het kunnen automatiseren van programmeerwerk.
[1:33:26] En daar, uhm, heb je niet altijd de bandbreedte om, om heel erg de soort van, ja, 10.000 feet view, soort van: wat is nou goed voor de mensheid op de langere termijn, et cetera, te nemen.
[1:33:39] Maar er denken echt heel veel mensen in de Valley wel over na. Ja, want ik hoorde jou eerder zeggen in het gesprek, uh, AI is neutraal en daar ga ik dan wel een beetje op aan. \[gniffelt\] Omdat, kijk, uiteindelijk, uhm,
[1:33:52] de, de zelfrijdende auto bijvoorbeeld, uhm, uh, waar-waardoor bijvoorbeeld iemand die al jaren geen auto meer kan rijden door epilepsie ineens weer met de auto naar vrienden toe kan.
[1:34:03] Noem maar even iets leuks wat er gebeurt als je een zelfrijdende auto hebt. Uhm, in die zelfrijdende auto, als je daarin zit, is die auto waarschijnlijk niet van jou. Als we er even van uitgaan dat het een taxi is.
[1:34:14] Uhm, dus doe even een kleine Black Mirror episode, maar je stapt in die zelfrijdende taxi die zegt: er staat nog € 2.000 open bij de belastingdienst. We gaan heel eventjes langs een ander adres.
[1:34:25] Daar mag jij even, trouwens, de pinautomaat komt nu uit het dashboard \[beiden lachen\] en, en anders gaan we niet meer verder rijden. Even zo'n, zo'n typisch Black Mirror ding, hè.
[1:34:32] Je geeft ook een stuk van je autonomie over aan een algoritme die nu al, uh, veel beter rijdt dan de gemiddelde chauffeur, hè.
[1:34:40] Dus als, uh, fietser ben ik heel blij dat jij je autonomie hebt overgegeven aan een algoritme, want ik vertrouw jou. Je zit niet meer op je mobiel en je rijdt me niet aan. Nee, precies, hè.
[1:34:50] Dus, dus, i-ik wil alleen maar zeggen: in dat moment van iemand die zegt: ik stap een zelfrijdende auto taxi in, worden daar dingen geruild.
[1:34:58] Daar is een soort ruilhandel tussen autonomie en, uh, ik ga nu vertrouwen op een commercieel bedrijf die mij op die pu-, op die plek gaat brengen. Je, hè, een taxichauffeur, als die een telefoontje zou krijgen.
[1:35:09] Zet Wietse maar af bij het belastingkantoor, want hij moet eerst pinnen. Ik denk dat er best wel wat taxichauffeurs zijn die dan zeggen: gast, stap even uit man, ik krijg nou een telefoontje. \[lacht\] Rennen, rennen.
[1:35:17] Weet je wel. Terwijl die AI heeft dat zachte stukje niet, hè. Die, die, die kijkt mij niet aan in mijn ogen en denkt: zo man, ik heb, ik heb ook een keer in jouw situatie gezeten. Ik ga jou eruit laten nu.
[1:35:27] En die, die, uh, frictie, die soort irrationaliteit van die mens in de loop, in die niet volledig geautomatiseerde systemen kan ik erg waarderen.
[1:35:39] Totdat de taxichauffeur zelf dronken is en mij tegen een boom aan zet, hè, dan kan ik het weer helemaal niet waarderen. Dus ik hoor de andere kant van mijn eigen verhaal. Mijn vraag aan jou is eigenlijk: in, uh,
[1:35:51] je vertelt het een beetje alsof, a-alsof je, we, uh, neutrale gereedschappen op tafel leggen voor de samenleving die zij zelf van tafel kunnen pakken als ze dat willen. Dat is al één.
[1:36:03] Hè, dat is maar de vraag of ze dat wel zelf mogen pakken of dat ze het moeten pakken. En twee: als ze dat instrument eenmaal in hun handen hebben, de wereld er nog hetzelfde uitziet. Wat bedoel ik daarmee te zeggen?
[1:36:13] AI vereist namelijk een wereld die heel erg goed te interpreteren is. Dus we moeten meer sensoren gaan plakken, meer data gaan meten. Dus een wereld waarin meer AI is, wordt automatisch een wereld die beter te meten is.
[1:36:25] Dus hoe neutraal is dit nou eigenlijk allemaal? \[beiden lachen\] Ja, wat moet ik daarop zeggen? Go! \[beiden lachen\] Kom op. Ja, allemaal valide punten natuurlijk.
[1:36:36] Kijk, uiteindelijk, uh, moet je met z'n allen, uh, collectief vormgeven.
[1:36:41] We hebben in het Westen denk ik relatief gewoon de vrijheid om te zeggen: nou, ik koop dit niet en ik vind deze zelfrijdende auto niks, want er is dit incident plaatsgevonden, er wordt over gerapporteerd en komt het nieuws en dan denkt iedereen: nou, mooi niet dat ik die auto ooit ga kopen als die mij naar de belastingdienst rijdt.
[1:36:56] Dus checks and balances. Uh, de vrijheid van individuen om, uh, zelf concurrerende bedrijven te beginnen die de technologie anders aanvliegen.
[1:37:05] Uh, m-, de, de vrijheid van landen om technologie gewoon überhaupt te verbieden.
[1:37:10] Ik bedoel, ik kan me nog herinneren dat Huawei, uh, telecom, uh, instrumenten uit risico voor bespiedingen en dergelijke op een gegeven moment niet meer in Europa neergezet mochten worden en dergelijke.
[1:37:21] Uiteindelijk moeten we met z'n allen bepalen waar die grenzen liggen en wat wel, wat wel comfortabel is, waar we wel de netto voordelen zien.
[1:37:28] Uh, verkeersveiligheid is makkelijker om te maken, maar misschien niet als het aankwam om, om, uh, interview, dat je voor bijvoorbeeld sollicitatieprocessen wel gewoon sterke regels maakt om daar bepaalde risico's af te dekken.
[1:37:40] En ja, dat, dat, dat gaan we gaandeweg met z'n allen denk ik uitvogelen. En daar hebben, uh, heeft denk ik niemand echt de antwoorden en de voorkeuren verschillen ook, dus het is ook politiek.
[1:37:49] Waar ga jij komende weken op letten? Ja, het lijkt dus best wel duidelijk nu dat er modellen zijn die, uh, nog niet breed uitgerold worden of omdat ze te gevaarlijk zijn voor bepaalde misbruikrisico's.
[1:38:04] Dus mythos bijvoorbeeld. Mythos. Uhm, en ik ben gewoon heel benieuwd, uh, en dit is ook een, een argument wat mensen maken is dat die modellen zijn, uhm, kijk, je moet je realiseren de, de labs zijn op een schaal
[1:38:19] waarbij ze echt moeten gaan nadenken: hebben wij genoeg compute als we zo'n goed groot model hebben ontwikkeld om dat aan te bieden aan onze huidige actieve userbase die misschien in sommige gevallen wel 100 miljoen mensen of meer groot is, de orde van grootte.
[1:38:34] Dus dat zijn enorme beperkingen.
[1:38:37] En je ziet dus dat er intern bepaalde kwaliteit van modellen al beschikbaar is die ze gewoon niet aan kunnen bieden of in ieder geval niet kostenefficiënt of überhaupt gewoon letterlijk de hardware niet voor hebben.
[1:38:47] En ik ben dus, uh, heel benieuwd hoe, uh, de, de, de sector als, als geheel, zeg maar, die uitdaging aangaat.
[1:38:55] En, en Vidi als onderdeel van, van, van dat proces omdat zeHeel veel doen aan miniaturisatie in de zin van: hoe kan je meer intelligentie in een kleinere footprint stoppen?
[1:39:04] Heeft ook een positief voordeel van dat je minder servers en minder stroom et cetera nodig hebt. Dus hebt meer, minder zware chips nodig om hetzelfde te bereiken.
[1:39:12] Dus, dus de intelligentie die je nu, zeg maar, ontapt op je telefoon als consument hebt, GPT 5.5 Pro, zeg maar, misschien even als, even een, een redelijk willekeurig, maar redelijk high watermark van wat nu beschikbaar is.
[1:39:24] Uhm, gewoon kijken van waar, waar, waar komen we, zeg maar, g-, richting het einde van het jaar heen?
[1:39:30] En nog specifieker op mijn situatie genomen is dat, ik ben nu zelf heel erg aan het experimenteren met: hoe kan ik, uhm, vijf, zes, zeven, acht coding agents tegelijk, uh, aansturen?
[1:39:41] Dus ik ben nu een soort van meer een soort tech manager dan een, zelf een programmeur, want ik heb dan bijvoorbeeld drie projecten waar ik aan werk en dan heb ik per project meerdere agents, twee of drie, die wel redelijk onafhankelijk van elkaar kunnen werken.
[1:39:55] En ik ben dus heel erg aan het kijken van: hoe doe je dat überhaupt? Meestal na een werkdag duizel ik gewoon omdat ik zoveel aan het context switchen ben. En dat is niet per se een optimale manier om te werken.
[1:40:05] Dus hoe, ja, hoe krijg ik zoveel mogelijk uit die modellen? En welke technieken passen anderen toe om dat werkend te krijgen? En kan ik die, sommige daarvan adopteren? Maar conductorachtig, moet ik dat zo zien?
[1:40:15] Conductor, goed voorbeeld, is, uhm, nog een, eigenlijk een simpele versie daarvan, waarbij je gewoon als het ware zegt: jij gaat dit doen, jij gaat dat doen, jij gaat dat doen en dan gaan die los van elkaar dat doen en dan ga je in een bepaalde volgorde het werk checken.
[1:40:28] Waarschijnlijk in de volgorde dat ze klaar zijn. En als, uh, i-in de, in de context waar ik nu aan het experimenteren ben, hebben ze ook de mogelijkheid om met elkaar te communiceren, die agents.
[1:40:38] En, uhm, kan je ook een agent, uh, soort van informeel markeren als de director en die krijgt dan de mogelijkheid om nu nog meer extra agents erbij te betrekken en kijken of je dat een beetje in een, in een goed stramien kunt krijgen zodat het geen slop produceert, maar hoge kwaliteit, goed gecontroleerde, werkende software.
[1:40:57] En ik denk dat puur en alleen omdat wij in die early adopter curve gewoon de groep zijn die de, de meeste blootstelling heeft en d-, het eerste merkt dat het meerwaarde heeft dat wij ermee experimenteren.
[1:41:07] Maar ik geloof gewoon dat die, uh, die lessen die we daar ontdekken de komende maanden zich gaan vertalen naar ook hoe in de toekomst AI breder ingezet zal worden, ook buiten software.
[1:41:20] En dat we dus abonnementjes krijgen die duurder zijn voor slimmere modellen en goedkoper zijn voor ander type modellen. Dat we meer diversificatie van modellen krijgen als consument, als eindgebruiker.
[1:41:30] Ik denk dat iedereen gewoon moet realiseren dat de hoeveelheid geld die naar AI gaat veel meer gaat lijken op naar de hoeveelheid geld die naar arbeid gaat.
[1:41:37] Want ik gebruik persoonlijk alleen al tienduizenden dollars aan compute, uhm, over de afgelopen paar maanden. Dus zeg maar een paar duizend dollar per maand is normaal.
[1:41:48] En dat betaalt je werkgever, of dat, dat, dat- Dat betaalt mijn werkgever. Ja. Ja. Ja. Want dat, dat gebruik ik voor het werk wat ik doe voor het bedrijf. Ja, maar jij hebt daar ook inzicht in.
[1:41:56] Jij weet wat het kost wat je aan het doen bent. Ja. Ja, misschien ook wel goed om te zeggen vanuit het kostenplaatje zou je als bedrijf ook kunnen zeggen: zo, die Rick, die is lekker bezig.
[1:42:05] We gaan, uh, drie, uh, assistenten junioren voor hem inhuren zodat ze hem kunnen ondersteunen bij zijn werk. Nou, die hebben alle drie ook payroll.
[1:42:12] Dat er zo gekeken gaat \[gniffelt\] worden en gekeken wordt binnen bedrijven. Ja, uh, we kunnen een soort arbeidsbudget eigenlijk inzetten op het tokenbudget van Rick. Ja.
[1:42:23] En dat is een beetje het punt wat jij wilde maken, denk ik.
[1:42:25] Dat die bedragen waar wij denken: nou, Spotify is, uh, €12, ChatGPT is 20, dat er zakelijk gezien op organisatorisch niveau in hele andere bedragen gedacht wordt.
[1:42:35] Ja, dat is niet te vergelijken in mijn ogen als het gaat om toekomstige AI. D-dat heeft niks te maken met een abonnement van $20. Zeg maar, het gaat echt over arbeidsbudgetten. Orde van grootte. Tonnen per jaar.
[1:42:49] Makkelijk. Zijn er nog, uh, om af te sluiten. Zijn er nog dingen die jij als voorbeeld of demo zou kunnen zien in je leven waardoor jij \[gniffelt\] nog van mening gaat veranderen over iets?
[1:43:00] Ik stel deze vraag normaal alleen maar aan mensen die, ja, nog een benchmark hebben, maar is er nog iets waar je zegt van: zo, als we, als ik, als dat lukt of die domino valt, uh.
[1:43:09] Voor mij is fysieke AI gewoon een heel, uhm, een heel erg frontier gebied in de zin van: daar moet nog echt veel gebeuren voordat dat werkt. En dan vind ik humanoids een goed voorbeeld.
[1:43:19] Ik volg bijvoorbeeld bedrijven als Figure AI en Optimus van Tesla et cetera.
[1:43:23] Dat zijn allemaal initiatieven die ik echt met veel aandacht volg, omdat ik denk dat op het moment dat je echt kos-kostenefficiënt, uh, robotica kunt ontwikkelen en met de ontwikkelingen in deep learning en AI die kwaliteit en betrouwbaarheid van die systemen dusdanig hoog kunt, kunt maken, dan, dan krijg je gewoon de connectie tussen een soort van datacenter vol met agents die allemaal redeneren en uitzoekwerk kunnen doen en alle informatie van alle systemen real time kunnen checken om te bepalen: wat is überhaupt het juiste om te doen?
[1:43:54] En dat verbinden met de fysieke wereld.
[1:43:56] Uhm, ik denk als dat een beetje begint te werken en je ziet nu, uh, is een heel vet, uhm, vet soort, heet Periodic Labs en zij bouwen nu een fysiek, uh, lab wat aangestuurd kan worden door AI, die hypotheses verzint voor experimenten om te draaien.
[1:44:12] Dan eerst die experimenten simuleert in software. Nou, dat kan het in een paar minuten.
[1:44:16] En dan, de hypotheses worden geselecteerd op basis van die software simulaties, maar dan daarna wordt ie geïmplementeerd in een, in een echt fysieke context. Wetlab.
[1:44:25] Wetlab en, en die loop, atoms, bits, dat verbinden omdat je, zeg maar, dan die hele intelligence, soort van capability toename die we zien met wiskunde en dergelijke in die modellen kan vertalen naar de fysieke wereld.
[1:44:42] Ja, dat, als, als dat eenmaal een beetje gaat werken, dan kan je echt, uhm, heel veel meer problemen oplossen met AI dan je nu kunt. We hebben het nu over tienduizenden euro's arbeidsbudgetten voor tokenbudgetten.
[1:44:55] Over die kosten gesproken, uh, DeepSeek V4 is nu uit en een van de headliners isZe hebben voor veel. Met veel minder computerkracht creëren ze eigenlijk eenzelfde vorm.
[1:45:05] Of in ieder geval komen ze in de buurt van de intelligentie van de Frontier Labs. Kan je daar wat meer over vertellen? Ja, Deep Seek blijkt blijft toch altijd wel een speciaal Chinees lab.
[1:45:15] Er zijn inmiddels best wel wat Chinese labs bijgekomen die echt goede modellen publiceren. Moonshot AI met Kimi K 2.6 is een van de meest recente releases waar echt heel positief naar wordt gekeken.
[1:45:27] Ook naar door mensen die echt bij de Frontier Labs zelf werken die. Die geven ook aan dat dat dat echt wel een capabel model is waar je ook heel veel mee kunt als, als startpunt en daar dan op gaan bouwen.
[1:45:41] Deep Seek heeft nu met de release van Deep Seek V4 twee modellen gereleased en het Pro-model. Of wat zij dan zelf Deep Seek V4 Pro noemen is 11,6 trillion parameter biljoen parameters model.
[1:45:55] En dat is het grootste open source model dat ook echt af is en werkt en een volledig model is wat tot nu toe is gereleased. Dus het is ook best wel duur in die zin om het op een server te plaatsen.
[1:46:08] Maar wat ze wel heel interessant gedaan hebben is dat een van de aspecten die die AI-modellen zo duur maakt, is dat ze heel erg veel compute capaciteit nodig hebben. En dat is in twee vormen.
[1:46:19] Dat is in de, de letterlijke rekencapaciteit, dus het aantal flops floating point operations, maar ook het memory gedeelte.
[1:46:26] En memory is als het ware gewoon net als je computer ram geheugen, maar dan toegankelijk voor die videokaart voor die grafische processing unit. En wanneer gaat dat memory gebruik nou zo explosief omhoog?
[1:46:38] Is als je hele lange documenten voert of als je een agent heel lang door laat lopen, waardoor de context, als de context heel groot wordt.
[1:46:46] En dat is een technisch probleem waar eigenlijk het hele onderzoeksveld al sinds de Attention All You Need paper uit 2017 zijn, zijn hoofd over breekt. Van hoe kunnen we nou het attention gedeelte zo goedkoper maken?
[1:46:59] Want het kost zoveel memory en memory. Daarom is RAM nu ook zo duur. Absoluut. Dus, dus RAM is de bottleneck samen met compute, maar RAM zeker. En dus zoekt iedereen continu naar.
[1:47:08] Wat zijn nou slimme manieren om dat efficiënter te doen? En Deep Seek V3 rond de jaarwisseling van 2024 2025 liet heel erg zien hoe je reasoning deed en dat was voorheen alleen beschikbaar bij Frontier OpenAI.
[1:47:23] En deze release staat eigenlijk in het teken van efficiënte long context. En dat bereiken zij met twee technische technieken die een soort compressie toepassen op die, die, die context. Ze zippen hem.
[1:47:37] Ze zippen hem als het ware. En dat doen ze gewoon op een hele vernuftige manier, waarbij ze een soort twee verschillende compressies toepassen waarbij ze elkaars zwakke punten cancelen als het ware.
[1:47:48] En dat dat nieuwe mechanisme stelt ze in staat. En iedereen eigenlijk die dat model nu gaat hosten of een eigen model ontwikkelt met die technieken die ze gepubliceerd hebben om.
[1:47:59] Ja, dus met veel minder memory uit de voeten te kunnen en dus ook zo met lage kosten te kunnen aanbieden. Want je hebt gewoon minder kosten in je datacenters voor het memory gebruik.
[1:48:07] Dus dat is wel een mooie release die ze weer doen en wat ze. Waar vaak kritiek op is, is benchmarking. Ik weet niet, weten jullie wat benchmarking? Nou, daar hebben we het net over gehad. Ja, de zorgen dat je.
[1:48:17] Model zo inrichten dat je goed uit de test komt. Precies het Volkswagen dieselmodel. Ja. Yes. Dieselgate.
[1:48:23] En daar hebben zij dus weinig aan geparticipeerd dit keer omdat ze een beetje aanvoelen dat de meta is eigenlijk dat de mensen die in the know zijn die weten gewoon van als jij super hoog scoort op al die benchmarks, ja, dan heb je waarschijnlijk gewoon heel hard je best gedaan op die benchmarks, maar ben je eigenlijk in de praktijk helemaal geen goed model.
[1:48:39] Een hoge score is een slecht teken geworden. Ja, en dus is nu de meta om niet per se op al die scores mega hoog te scoren, maar gewoon te wachten. Als mensen hun echte workload en echte taken uitproberen op hun model.
[1:48:51] Privé benchmarks. Privé benchmarks uittesten dat ze dan zien dat het goed werkt. En, en een mooi voorbeeld was. Er is een.
[1:48:58] Er zijn verscheidene partijen die hold-out benchmarks hebben die ze niet publiceren, maar ze alleen zien hoe goed je het doet, maar niet wat ze daadwerkelijk testen.
[1:49:06] En daar zie je gewoon dat Deep Seek V4 echt een flinke jump heeft boven bijvoorbeeld Kimi K 2.6, terwijl dat ook gewoon een goed model is, maar wel dus ja, misschien iets meer benchmark maxed is dan Deep Seek V4.
[1:49:20] Maar dan pak ik die prijzen er nog even bij, want V4 Pro kost $3,48 per miljoen woorden en OpenAI rekent daarvoor $ 30 en Perplexity $ 25. Dus dat is echt. Nou ja, tien, zeven, tien keer goedkoper.
[1:49:35] Ja, en ik denk ook dat bedrijven die serieus actief bezig zijn met het uitproberen van AI-modellen die proberen ook te differentiëren.
[1:49:46] Wanneer heb ik een taak die gewoon in zijn geheel best wel past binnen een intelligentie envelop van wat zo'n model ongeveer kan?
[1:49:53] En als dat een best wel groot volume heeft, ja, dan wil je dat toch schuiven naar een kosten efficiënter model. En zeker als je dingen echt op de schaal doet van.
[1:50:03] Stel je bent een bedrijf dat miljoenen berichten bijvoorbeeld wil analyseren, dan is het echt wel belangrijk dat je daar een beetje nadenkt.
[1:50:10] En zijn we dan ook, want eigenlijk bijvoorbeeld het slim zippen van die context window is iets wat de andere labs nu gratis krijgen, want je kan het gewoon namaken toch?
[1:50:19] Het is een uitvinding die wordt gedeeld met de wereld. En is het, is het dan ook zo dat je. Ik.
[1:50:27] Het voelde voor mij wat meer dat de eerste modellen en ook zeker de eerste open source modellen vooral een soort van mimicking waren. Meer een soort coverband.
[1:50:35] Dat waren een soort nadoen in de open source sfeer van wat er in de gesloten labs gedaan werd. Maar hier klinkt het alsof er.
[1:50:42] Het was trouwens in het geval van Deep Seek R1 ook al zo innovaties zijn die de Frontier Labs niet eens hebben. Dus dan ga je eigenlijk.
[1:50:49] Dan ben je niet alleen maar aan het bijkomen bij de, de groep, maar je bent zelfs aan het mee rennen met nieuwe schoenen die nog niemand heeft.
[1:50:55] Dat er innovatievere ideeën gepubliceerd worden vanuit labsMaar ook zeker ook vanuit labs uit China is zeker waar.
[1:51:02] Maar of Frontier Labs het wel of niet hebben weten we natuurlijk niet, want we weten niet welke context window techniek waren ze al. Aan zippen bij Anthropic? Ja.
[1:51:11] Ongetwijfeld hebben zij daar ook een aantal oplossingen voor, want zij voelen de kosten het hardst. Dus ze hebben ook de meeste incentive om daarin te investeren. Maar het is wel zo dat er
[1:51:20] van puur kopiëren dat er wel steeds meer nieuwe ideeën geïntroduceerd worden. En dat is, ja, maakt het allemaal een stukje publieker en, en makkelijker om mee te gaan concurreren. Dus een stukje eerlijker en, en zo.
[1:51:33] Bijzonder interessant voor wetenschappers die het veld willen volgen. Stond in de system card van DeepSeek of DeepSeek meegewerkt heeft aan DeepSeek. Weten we dat? Nou ja, dat.
[1:51:44] Jij maakt waarschijnlijk die opmerking dat die labs allemaal die, die, die soort van bootstrap loop benadrukken van AI helpt ons nu AI sneller maken. Ik dacht het wel, maar ik moet het checken.
[1:51:55] Ik weet zeker dat ze DeepSeek V3 gebruikt hebben voor datageneratie, dus in de strikte zin zeggen ze wel dat ze het gedaan hebben.
[1:52:03] Dus ze hebben hun data zo weten te masseren met modellen om die data geschikter te maken om een nieuw model te trainen, dat zonder meer. Maar of het ook daadwerkelijk echt voor bijvoorbeeld ideeën gebruikt is?
[1:52:14] Ik, ik denk het ook wel. Uh, als ik heel eerlijk ben. Ik geloof dat ze daar wel iets over zeiden, over dat ze bepaalde optimalisaties van de, de infrastructuur, uh, hebben weten te halen uit, uit DeepSeek zelf.
[1:52:27] Maar of dat zeg maar een beetje een soort van, bij ons is het ook echt goed genoeg en, en dus hebben wij ook echt speed-ups van ons eigen model, zo goed is ons model. Een beetje een soort van de marketingkant ervan.
[1:52:38] Of dat het daadwerkelijk substantieel verschil heeft gemaakt, uhm, meetbaar in het soort van efficiëntie multiple op hun, hun eigen research en engineering a-afdelingen. Dat, dat is toch moeilijk te beoordelen.
[1:52:52] Ik heb nog een vraag. Je zei net, uhm, in een bijzin, uh, het wordt gedeeld, uhm, zoals dat in China vaker gebeurt. Ik vat het even huiselijk samen.
[1:53:01] Wat zegt dat over de manier waarop we de Chinezen en hun ontwikkelingen moeten bekijken?
[1:53:07] Ja, ik denk dat er, uhm, ja, dit is bijna een persoonlijke \[lacht\] maatschappelijke, uh, blik, maar ik denk dat er soms te homogeen wordt gedaan over China en Chinezen. Alsof ze het allemaal met elkaar 100% eens zijn.
[1:53:20] Guilty as charged.
[1:53:20] Ja, en, en dat is ook, uh, maar, maar, maar het b-bizarre is eigenlijk dat China is een megagroot land met enorm veel inwoners, dus je zou eigenlijk logischerwijs moeten denken dat de diversiteit aan meningen en, en opvattingen dergelijke nog groter is daar dan, dan in Europa dan in de VS, omdat allemaal kleiner.
[1:53:37] Dus misschien dat dat iets zegt. En ik denk dat, uh, vanuit dat perspectief gezien ook gewoon, uhm, de beweegredenen waarom die verschillende labs doen hoe ze werken.
[1:53:47] Uh, ik denk dat dat allemaal heel erg te maken heeft met gewoon de cultuur en de, de zienswijze en de filosofie van de oprichters en, en wat dan de cultuur is die zij soort van topdown op de organisatie zetten.
[1:53:57] En tuurlijk zal er ook een relatie zijn tussen die bedrijven en de Chinese overheid, omdat dat, het zijn Chinese bedrijven.
[1:54:04] Maar ik geloof dat er ook misschien te weinig credit is voor de autonomie die zij gewoon hebben om zelf dingen te bepalen.
[1:54:10] Uhm, omdat er ook bekend is dat er ook wordt geschreven dat de Chinese overheid, uh, moedigt hele intense concurrentie, uh, aan, bijvoorbeeld op de EV-markt en, uh, heeft dan misschien ook zoiets van: nou ja, dan zien we wel hoe, hoe het onderling bepaald wordt.
[1:54:26] En in, in, in dat soort van stramien krijgen ze relatief veel vrijheid. En misschien dat dat ook geldt voor de AI-labs.
[1:54:32] Ik ben geen China-expert qua policy en beleid, maar van wat ik lees en zie aan open source-activiteit, hoe Chinese ontwikkelaars op social media in het Engels ook actief participeren in debat, uh, transparant zijn over nee, de fix werkt niet zo, werkt zo, hier staat de code, succes ermee, uhm, dan zie je dat, dat, ja, er, er zal altijd motivatie, beweegredenen en dergelijke achter zitten.
[1:54:54] Maar ja, de, ik denk wel dat het, dat het, dat het allemaal een stuk diverser is dan, uh, simpelweg een soort van: o, dat is één grote zaai op voor China om invloed of wat dan ook. Ja.
[1:55:05] Het ligt denk ik ingewikkelder en genuanceerder. Weet je wie een echte China-expert is? Nou? Alexander. Ja. Die zit hier volgende week weer. Dan is hij weer terug uit China. Terug uit het land China.
[1:55:16] Nou, ik weet zeker dat jij hem de, de, het hem van het lijf gaat vragen, Wietse. Mooi. Lijkt me een goed moment om er een punt achter te zetten. Ik vond het een, een eer om hier te zijn, waarvoor dank, Wietse.
[1:55:27] Wees welkom. Nog veel meer dank aan Rick Lamers, uh, de gast van deze week die, uh, ons weer bijgepraat heeft over alle dingen en nog veel meer waarover we bijgepraat wilden worden.
[1:55:37] Uhm, altijd een plezier om naar te luisteren. Fijn dat je er was. Fijn dat je luisterde. Tot volgende week. Doeg!
[1:55:50] \[muziek\]

Shows are listed from Apple Podcasts' charts and directory, and Podcast Index where it is used. Every show and episode belongs to its publisher and plays from the publisher's own feed; this site hosts none of them.